Cluster Quasi-Random Data Using Fuzzy C-Means Clustering - MATLAB & Simulink.

Cluster Quasi­Random Data Using Fuzzy C­

Means Clustering

This example shows how FCM clustering works using quasi­random two­dimensional data.

Load the data set and plot it.

load fcmdata.dat

plot fcmdata :, ,fcmdata :, ,'o'

Next, invoke the command­line function, fcm, to find two clusters in this data set until the objective function is no longer decreasing much at all.

[center,U,objFcn] = fcm fcmdata, ;

Iteration count =  , obj. fcn =  . 0 Iteration count =  , obj. fcn =  . 0 Iteration count =  , obj. fcn =  . Iteration count =  , obj. fcn =  . Iteration count =  , obj. fcn =  . Iteration count =  , obj. fcn =  . 0 0 Iteration count =  , obj. fcn =  . 0 Iteration count =  , obj. fcn =  . Iteration count =  , obj. fcn =  . 0 Iteration count =  0, obj. fcn =  . Iteration count =  , obj. fcn =  . Iteration count =  , obj. fcn =  . 0

plot objFcn

title 'Objective Function Values'

xlabel 'Iteration Count'

ylabel 'Objective Function Value'

Finally, plot the two cluster centers found by the fcm function. The large characters in the plot indicate cluster centers.

maxU = max U ;

index  = find U ,:  == maxU ; index  = find U ,:  == maxU ; figure

line fcmdata index , , fcmdata index , , 'linestyle',...

      'none','marker', 'o','color','g'

line fcmdata index , ,fcmdata index , ,'linestyle',...

      'none','marker', 'x','color','r'

hold on

Note: Every time you run this example, the fcm function initializes with different initial conditions. This behavior swaps the order in which the cluster centers are computed and plotted.

See Also

fcm