问题标签 [fuzzy-c-means]

我在 GitHub 上找到了这段代码，并试图理解函数的行为。我试图将这段代码与公式进行比较（来自本文的第 6 页）：

我找不到这些公式在代码中实现的位置。谁能帮我解释一下公式和代码之间的相似之处？

我有 512 * 512 灰度图像。我想使用 fcm。但是使用下面的代码后我无法获得模糊聚类数组。由于给定的图像是 S * N，那么模糊聚类矩阵必须是 S * NS 表示特征数，N 表示数据集数。但我得到了 2 * 1矩阵。谁能帮我？

我正在尝试使文档模糊聚类。这个想法是为每个文档获取每个集群的成员分数。

我已经计算了整个语料库的 TF-IDF 矩阵，然后我尝试使用来自模糊 sklearn 的 cmeans 聚类，但它会导致每个元素的成员矩阵具有相等的值。

我错过了什么？

编辑：我已经插入了 MRE。假设我的数据集实际上有 9k 行并关闭 2k 列。我想得到一个矩阵'u'，fuzzy-c-means的输出如下：

每个文档都有一行，以及 14 个集群中每个集群的成员比例。

对于我的数据挖掘课程中的一个项目，我将在数据集上执行模糊 C 表示聚类，其中每个数据点都有 3 个轴（我用谷歌搜索，这显然是复数“轴”的正确方法）。我不确定我会怎么做，尤其是考虑到我正在使用的聚类算法。这是我正在使用的数据集的示例；

任何帮助或资源将不胜感激！

我正在处理用于分割目的的 2D 医学图像，我在其中实现了模糊 c 均值。我收到错误“ValueError：序列太大；不能大于 32”。我需要通过模糊 c 均值显示整个图像的分割。这是代码，图片变量尺寸为512x512x3：

错误：

我曾尝试在 jupyter notebook 和 colab 中运行，但仍然收到 fcmeans 的此错误。但它在不同的笔记本电脑上运行良好。 这是用于拆分数据集的代码

那我在这里想念什么？

在此示例中，中心数列表是什么cluster sigmas意思，是否意味着他们为组的三个质心选择了随机坐标？

我无法理解 for 循环在这里的作用：

我正在使用e1071包运行模糊 C 均值聚类。我想根据以下公式中给出的模糊性能指数（FPI）（模糊程度）和归一化分类熵（NCE）（特定类的无组织程度）来确定最佳聚类数

其中 c 是聚类数，n 是观测数，μ _ik是模糊隶属度，log _a是自然对数。

我正在使用以下代码

我已经能够提取 μ _ik即模糊隶属度。现在，cmeans必须针对不同数量的集群，例如 2 到 6，并且必须计算 FPI 和 NCE 以获得如下图

如何在 R 中实现？

编辑

iris我已经使用以下代码尝试了@nya 为数据集提供的代码

考虑模糊性能指数（FPI）和归一化分类熵（NCE）的最小值来确定最佳聚类数。NCE 一直在增加，而 FPI 则呈下降趋势。理想情况下应该是