---

一、模糊C均值聚类（FCM）中的隶属度是起什么作用

1. 表示样本点对各个聚类中心的隶属程度。隶属度取值范围是0-1之间,值越大表示样本点越可能属于该聚类。

2. 隶属度在更新聚类中心时起到加权的作用。样本点对不同聚类中心的贡献程度由其隶属度决定,隶属度越大,对该聚类中心的影响就越大。

3. 隶属度在评估聚类质量时起指标作用。例如可以计算每个样本点对各个聚类的隶属度,看它们是否分布得比较均匀。

4. 隶属度可以用于软分类,即一个样本点可以同时隶属于多个聚类,隶属程度由其隶属度表示。这与硬分类不同,硬分类一个样本点只能属于一个聚类。

5. 隶属度随着算法迭代会不断更新,更新后的隶属度可以更好地反映样本点实际隶属关系,有利于提升聚类质量。

所以总的来说,隶属度可以表示样本点与各个聚类的关系。

二、FCM停止迭代的条件是什么

1. 聚类中心收敛条件:

也就是判断两次迭代的聚类中心矩阵变化程度。如果它们之间的差异小于一个预设的阈值ε,即‖U^k - U^{k+1}‖< ε,则认为聚类中心已经收敛,可以停止迭代。

2. 最大迭代次数:

设置一个最大的迭代次数上限,如果迭代次数达到这个上限而聚类中心还没有收敛,也可以停止迭代。

3 隶属度变化小:

判断两次迭代更新后的样本点到各个聚类的隶属度矩阵U是否变化不大,如果变化很小,也可以认为已经收敛。

4. 簇数量或特征空间不再变化:

所以一般来说,聚类中心收敛和最大迭代次数是模糊C均值聚类最常用的两个停止条件。满足其中一个条件即可认为算法已经收敛,可以终止迭代过程。

---