خوشه‌بندی پروفایل‌های کاربران با استفاده از روش Fuzzy C-Means در متلب

این تابع برای مقداردهی اولیه مراکز خوشه‌های بطور تصادفی، استفاده می‌شود.

function Cmat = fcm_dataInitC(Xdat,K);

[M,N] = size(Xdat);

Cidx = floor((N-1)*rand(K,1)+1);

for ik=1:K

    Cmat(:,ik) = Xdat(:,Cidx(ik));

end

return %% end of function fcm_dataInitC()

این تابع، ماتریس مراکز خوشه‌ها را محاسبه می‌کند.

function Cmat = fcm_calcC(Xdat,K,mfuz,Umat);

[M,N] = size(Xdat);

for k=1:K

    tmp = (Umat(k,:).^mfuz);

    nume = Xdat*tmp’;

    deno = sum(tmp);

    Cmat(:,k) = nume/deno;

end

return %% end of function fcm_calcC()

این تابع، فاصله بین یک داده و مرکز خوشه را حساب می‌کند.

function Dmat = fcm_calcD(Xdat,Cmat);

[M,N] = size(Xdat);

[M2,K] = size(Cmat);

if (M ~= M2)

    error(‘fcm_calcD() : incompatible dimensions’);

end

for ik=1:K

    for ii=1:N

        dvect = Xdat(:,ii)-Cmat(:,ik);

        Dmat(ik,ii) = dvect’*dvect;

    end

end

return %% end of function fcm_calcD()

این تابع برای محاسبه ماتریس پارتیشن با استفاده از ماتریس فاصله‌ها استفاده می‌شود.

function Umat = fcm_calcU(mfuz,Dmat);

[K,N] = size(Dmat);

for r=1:N

    cardIr = 0;

    for s=1:K

        if (Dmat(s,r) == 0.0)   cardIr = cardIr+1; end

    end

    if (cardIr == 0)

        for s=1:K

            nume = Dmat(s,r);

            deno = (nume./Dmat(:,r)).^(1/(mfuz-1));

            Umat(s,r) = 1.0/sum(deno);

        end

    else

       for s=1:K

           if (Dmat(s,r) == 0.0)

               Umat(s,r) = 1.0/cardIr;

           else

               Umat(s,r)= 0.0;

           end

       end

    end

end

return %% end of function fcm_calcU.m

این تابع، مقدار یک شرط را حساب می‌کند.

function valJ = fcm_evalJ(Umat,mfuz,Dmat);

[K, N] = size(Umat);

[K2,N2] = size(Dmat);

if ((K ~= K2) | (N ~= N2))

    error(‘fcm_evalJ() : incompatible dimensions’);

end

valJ = 0;

for k=1:K

    valJ = valJ+((Umat(k,:).^mfuz)*Dmat(k,:)’);

end

return %end of function fcm_evalJ()

همچنین برای محاسبه مقدار کران بالای پارامتر فازی در خوشه بندی فازی C-means نیز می‌توان از تابع زیر (calcMub) استفاده نمود.

function [mub,it] = calcMub(Xdat,seuil,itmax,epsilon);

[M,N] = size(Xdat);

vD = calcDataDist(Xdat); %% can be computationally expensive

%   User can modify the following three parameters

%seuil = 0.03;   itmax = 500;    epsilon = 0.001;

cv_mub = seuil*M;

[mub,it] = searchMub(vD,cv_mub,epsilon,itmax);

return; %% end of function calcMub.m

که در آن دو تابع درونی calcDataDist و searchMub استفاده شده است. تابع اول که قطعه کد آن در زیر آمده است، برای محاسبه ماتریس فاصله بین نمونه‌های مجموعه داده به‌کار می‌رود.

function vDist = calcDataDist(Xdat);

[M,N] = size(Xdat);

id = 1;

for r=1:N

    for c=r+1:N

        vect = Xdat(:,r)-Xdat(:,c);

        vDist(id) = vect’*vect;

        id = id+1;

    end

end

return %% end of function calcDataDist.m

تابع searchMub نیز که قطعه کد آن در زیر آورده شده است، برای یافتن مقدار کران بالای پارامتر فازی به‌کار برده می‌شود.

function [mub,it] = searchMub(vDist,cv_mub,epsilon,itmax);

Yo = vDist/max(vDist);

cv = std(Yo)/mean(Yo);

mubMax = 1000; % can be adjusted by user

it = 1;

if (abs(cv-cv_mub)<epsilon)

    mub = 2;

else

    if (cv>cv_mub)

        m1 = 2;

        m2 = mubMax;

    else

        m1 = 1+epsilon;

        m2 = 2;

    end

    while ((it<itmax) & (abs(cv-cv_mub)>epsilon))

        m = (m1+m2)/2;

        d = 1/(m-1);

        Y = Yo.^d;

        cv = std(Y)/mean(Y);

        if (abs(cv-cv_mub)<epsilon)

            mub = m;

        elseif (cv>cv_mub)

            m1 = m;

        else

            m2 = m;

        end

        it = it+1;

    end

end

return; %% end of function searchMub.m;

همچنین، برای محاسبه مقادیر میانگین، انحراف معیار و ضرائب تغییرات مجموعه فواصل نیز می‌توان از تابع calcStatYm بهره جست. در زیر، قطعه کد مربوط به این تابع آورده شده است.

function [moy,dev,cv,cvp] = calcStatYm(Y,m,p);

Ym = Y.^(1/(m-1));

moy = mean(Ym);

dev = std(Ym);

cv  = dev/moy;

cvp = cv/p;

return %% end of function calcStatYm.m