聚类分析之模糊C均值算法核心思想

        

          聚类分析中存在一种方法:‘模糊C均值’，模糊C均值的发现，要感谢模糊数学之父“扎德”老爷子，他老人家当年提出了“模糊集合论”和“模糊逻辑”，介绍算法之前，先简单的补充一些相关的知识点.

         所谓模糊集合论，就是一种处理结果不确定、不能精确量化的方法。例如：存在一句话“今天估计会下雨”，这就是典型的模糊，我们不能精确的表示这句话的值，今天估计会下雨，那下雨的程度是多少呢？我们此时就用【0，1】来表示此句话为真的程度，例如，今天50%会下雨，则今天下雨为真的程度就是0.5，0.5叫做“隶属度”，当然，今天不下雨的隶属度为1-0.5=0.5.

         所谓模糊C均值算法，是指该算法的聚类（簇）的定义(界限)是模糊的，不同于K均值(K均值中的簇是确定的，以质心为中心，确定的簇)，意思就是说:模糊C均值中，每个数据点（元素）到每个簇都存在一个隶属度，但是每个数据点到所有簇的隶属度之和为