经典的FCM算法

  FCM算法的基本思路是先设定一些类及每个样本对各类的隶属度，然后通过迭代不断调整隶属度至收敛。收敛条件是隶属度的变化量小于规定的阈值。

以下是matlab中FCM的exemple，   做简单的说明。

data = rand(100, 2);       %随机生成一个100*2的矩阵，作为要分类的样本，100*2  表示是100个样本，每个样本有两个属性
[center,U,obj_fcn] = fcm(data, 2);        %用fcm将样本分为两类，center—聚类中心，U—隶属度矩阵，obj_fcn—目标函数             

plot(data(:,1), data(:,2),'o');    %将两类用“O”画图画出来

maxU = max(U);    %取每列的最大值

index1 = find(U(1,:) == maxU);
index2 = find(U(2, :) == maxU);
line(data(index1,1),data(index1, 2),'linestyle','none',...
     'marker','*','color','g');
line(data(index2,1),data(index2, 2),'linestyle','none',...