学习记录 - 4

上次聚类节点的算法看到一半，这次看模糊c均值聚类算法。

模糊聚类算法

模糊聚类分析算法大致可分为三类：
1）分类数不定，根据不同要求对事物进行动态聚类，此类方法是基于模糊等价矩阵聚类的，称为模糊等价矩阵动态聚类分析法。
2）分类数给定，寻找出对事物的最佳分析方案，此类方法是基于目标函数聚类的，称为模c均值聚类。
3）在摄动有意义的情况下，根据模糊相似矩阵聚类，此类方法称为基于摄动的模糊聚类分析法。

模糊c均值聚类
模糊c-均值聚类算法 fuzzy c-means algorithm （ FCM）。通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的分类。
FCM把n个向量xi（i=1,2,…,n）分为c个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小。
目标函数：

smartbi中三种节点的配置

k-means节点配置

层次聚类节点配置
距离函数包括：Euclidean, Manhattan
聚类方法包括：Single, Average, Complete

模糊C均值聚类节点配置

模糊化因子应该是上面所说的加权指数（？）
噪声类指的是噪声数据所属分类（？）

http://wenku.baidu.com/view/ee968c00eff9aef8941e06a2.html