弱点检测代码

开发平台：

Matlab

fcm.m：源码内容

							
%程序模糊聚类%
%模糊 C-平均(FCM)算法%
%N：输入样本数，dimen：样本维度%
%X：输入样本(N*dimen)%
%cluster：群数， m：指数型权重(1<r)%
%tolerance：误差临界值%
%U：分割矩阵(大小为cluster*N)%
% clear; 
% clc;
figure;
  X=rand(200,2);
[N,dimen]=size(X);
plot(X(:,1),X(:,2),'*'), 
% axis([-0.1 1.1 -0.1 1.1])
hold on
%步骤一：设定一些初值及初始分割矩阵%
cluster=5; r=2; tolerance=1e-5; cycle=500;
U=rand(cluster,N);
ss=sum(U);
U_new=U./ss(ones(cluster,1),:);    %初始模糊分割矩阵
for L=1:cycle
%步骤二：计算模糊聚类中心%
 U=U_new;
 Uexp=U.^r;
 C=Uexp*X./( (ones(dimen,1)*sum(Uexp'))' );    %新群心的值
 plot(C(:,1),C(:,2),'ro')
%步骤三：计算新的分割矩阵%
 for k=1:cluster
   dist(k,:)=sqrt(sum( ((X- ones(N,1)*C(k,:) ).^2)' )); 
 end
 temp=dist.^(-2/(r-1));               %计算新的分割矩阵(1<r)
 U_new=temp./(ones(cluster,1)*sum(temp));
%步骤四：计算成本函数值%
cost(L)=sum(sum((dist.^2).*Uexp));    %成本函数
fprintf('递归循环次数 = %d, 成本函数值 = %fn', L, cost(L));
 if L>1,
   if abs(cost(L)-cost(L-1))<tolerance
     break;
   end,
 end
end
hold off
disp('最后群心的值 ='); disp(C)

						