本文通过王者荣耀职业选手比赛数据，对比分析了k-means和c-means算法。k-means算法中数据完全归属一个簇，而c-means允许数据模糊归属多个簇，具有更平滑的隶属函数。FCM（c-means）算法通过迭代优化目标函数进行模糊划分，并更新成员资格和聚类中心，直到达到特定终止条件。
**
k-means算法和c-means算法对比实例
算法对比的前提是首先要有足够的数据量，所以我这里先从王者荣耀数据库里面采集了职业选手进四年数场比赛中的KDA，参团率，场均击杀，最高击杀，场均死亡，最高死亡，场内助攻以及最高助攻八个维度的数据，共1330组。
随后将其导入matlab中，分成八个列，一维一列
FCM算法原理
（FCM）是一种聚类方法，它允许一个数据属于两个或多个聚类。该方法（由Dunn在1973年开发，并在1981年由Bezdek改进）经常用于模式识别。它基于以下目标函数的最小化：
其中m 是大于1的任何实数，u ij是簇j中x i的隶属度，x i 是d维测量数据的第i个，c j是簇的d维中心，和|| * || 是表示任何测量数据与中心之间相似度的任何规范。
通过上面所示目标函数的迭代优化来进行模糊划分，并通过以下方式更新成员资格u ij和聚类中心 c j：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
