【零散知识】模糊C-均值(Fuzzy c-means, FCM)

本文介绍了模糊C-均值(Fuzzy c-means, FCM)聚类算法,它是k-means的一种扩展,通过加入隶属度概念来改进。FCM的目标函数是在k-means的基础上添加了隶属度,通过优化方法确定聚类中心和样本的隶属度。模糊矩阵中的元素范围在[0,1],类似于概率。尽管内容简短,但作者强调了主要精力仍在神经网络实践上。" 79659340,5078499,使用JS实现微信自定义分享功能,"['前端开发', '微信开发', 'JavaScript', '自定义分享']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言:

{

    新买的内存到货了,现在多目标识别是跑起来了,但是由于设计的问题(估计是输出和损失,因为模型的输出没加softmax,并且损失直接是输出与标签的均方差),训练过了几个迭代后模型就只给出全0(磨洋工),见图1。

图1

    所以这次还是零散知识,是我之前在工作中了解到的一种模糊聚类——模糊C-均值(Fuzzy c-means, FCM)。

}

 

正文:

{

    实际上如果你知道k-means,Fuzzy c-means对你来说就很容易(不了解k-means的话可以百度,资料非常多)。FCM只是在k-means的目标函数中添加了隶属度(像是权值)。

    FCM的目标函数如式1。

式1

    其中x代表样本,m代表所选的聚类中心,μ代表隶属度,b大多情况下为2[2]。

    实际上,把式1中的μ设为常数1后式1就变成了k-means的目标函数。

    FCM的聚类过程与k-means的类

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值