fcm聚類算法優(yōu)缺點(diǎn)有哪些

　　1965年美國(guó)加州大學(xué)柏克萊分校的扎德教授第一次提出了‘集合’的概念。經(jīng)過十多年的發(fā)展，模糊集合理論漸漸被應(yīng)用到各個(gè)實(shí)際應(yīng)用方面。為克服非此即彼的分類缺點(diǎn)，出現(xiàn)了以模糊集合論為數(shù)學(xué)基礎(chǔ)的聚類分析。用模糊數(shù)學(xué)的方法進(jìn)行聚類分析，就是模糊聚類分析。

　　FCM算法是一種以隸屬度來確定每個(gè)數(shù)據(jù)點(diǎn)屬于某個(gè)聚類程度的算法。該聚類算法是傳統(tǒng)硬聚類算法的一種改進(jìn)。

　　fcm聚類算法流程：

　?。?） 標(biāo)準(zhǔn)化數(shù)據(jù)矩陣；

　　（2） 建立模糊相似矩陣，初始化隸屬矩陣；

　?。?） 算法開始迭代，直到目標(biāo)函數(shù)收斂到極小值；

　?。?） 根據(jù)迭代結(jié)果，由最后的隸屬矩陣確定數(shù)據(jù)所屬的類，顯示最后的聚類結(jié)果。

　　fcm聚類算法優(yōu)點(diǎn)：

　　相比起前面的”硬聚類“，F(xiàn)CM方法會(huì)計(jì)算每個(gè)樣本對(duì)所有類的隸屬度，這給了我們一個(gè)參考該樣本分類結(jié)果可靠性的計(jì)算方法，我們可以這樣想，若某樣本對(duì)某類的隸屬度在所有類的隸屬度中具有絕對(duì)優(yōu)勢(shì)，則該樣本分到這個(gè)類是一個(gè)十分保險(xiǎn)的做法，反之若該樣本在所有類的隸屬度相對(duì)平均，則我們需要其他輔助手段來進(jìn)行分類。

　　fcm聚類算法缺點(diǎn)：

　　算法在分類時(shí)有個(gè)主要的不足是，當(dāng)樣本不平衡時(shí)，如一個(gè)類的樣本容量很大，而其他類樣本容量很小時(shí)，有可能導(dǎo)致當(dāng)輸入一個(gè)新樣本時(shí)，該樣本的K個(gè)鄰居中大容量類的樣本占多數(shù)。 該算法只計(jì)算“最近的”鄰居樣本，某一類的樣本數(shù)量很大，那么或者這類樣本并不接近目標(biāo)樣本，或者這類樣本很靠近目標(biāo)樣本。無論怎樣，數(shù)量并不能影響運(yùn)行結(jié)果。

　　該方法的另一個(gè)不足之處是計(jì)算量較大，因?yàn)閷?duì)每一個(gè)待分類的文本都要計(jì)算它到全體已知樣本的距離，才能求得它的K個(gè)最近鄰點(diǎn)。