精选优质文档-倾情为你奉上FCM聚类算法介绍FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。6.1.1 模糊集基本知识21首先说明隶属度函数的概念。隶属度函数是表示一个对象x隶属于集合A的程度的函数，通常记做A(x)，其自变量范围是所有可能属于集合A的对象（即集合A所在空间中的所有点），取值范围是0,1，即0=A(x)=1。A(x)=1表示x完全隶属于集合A，相当于传统集合概念上的xA。一个定义在空间X=x上的隶属度函数就定义了一个模糊集合A，或者叫定义在论域X=x上的模糊子集。对于有限个对象x1，x2，xn模糊集合可以表示为： (6.1)有了模糊集合的概念，一个元素隶属于模糊集合就不是硬性的了，在聚类的问题中，可以把聚类生成的簇看成模糊集合，因此，每个样本
