在matlab中做模糊C均值聚类（fcm）算法如何体现初始隶属度？

Question

如题

Answer 1

　　我贴部分FCM的Matlab代码：
　　expo = options(1); % Exponent for U
　　max_iter = options(2); % Max. iteration
　　min_impro = options(3); % Min. improvement
　　display = options(4); % Display info or not

　　obj_fcn = zeros(max_iter, 1); % Array for objective function

　　U = initfcm(cluster_n, data_n); % Initial fuzzy partition
　　% Main loop
　　for i = 1:max_iter,
　　[U, center, obj_fcn(i)] = stepfcm(data, U, cluster_n, expo);
　　if display,
　　fprintf('Iteration count = %d, obj. fcn = %f\n', i, obj_fcn(i));
　　end
　　% check termination condition
　　if i > 1,
　　if abs(obj_fcn(i) - obj_fcn(i-1)) < min_impro, break; end,
　　end
　　end

　　其中
　　U = initfcm(cluster_n, data_n); % Initial fuzzy partition

　　这个就是初始化划分矩阵，随机产生一个隶属度矩阵，

　　代码如下：
　　U = rand(cluster_n, data_n);
　　col_sum = sum(U);
　　U = U./col_sum(ones(cluster_n, 1), :);

　　上面就是它初始化的一个隶属度矩阵，
　　cluster_n行，data_n列。
　　即一列中从上到下表示每个样本隶属与每一类的隶属度。
　　然后在算法中不断迭代，
　　最后得到的还是如此大的一个矩阵，代表每个样本隶属与每一类的隶属度
　　然后选择最大的那个就是，它就属于那一类。

Answer 2

它的程序里面是用rand函数随机初始化了一个矩阵N*c，然后对这个随机矩阵进行归一化，即满足一行（也可能是列记不清楚了），反正是让它满足隶属度的每个样本属于所有类隶属度为1的条件。用这个矩阵进行初始化，计算新的中心 新的隶属度 新的中心。。。。 知道满足阈值。matlab里面自己有函数一招就能找到