-->

Conditional Fuzzy C-Means

Posted on By Marquis

内容

一篇96年的Pattern Recognition Letters,很简单。
就是将FCM的隶属度限制由:
\(\sum_{i=1}^cu_{ik}=1 ,\forall k\)

变成:
\(\sum_{i=1}^cu_{ik}=f_k ,\forall k\)

即每一个点 $k$, 都有一个隶属度的限制。
注:它的迭代公式基本上没啥变化。

这个 $f_k$ 就起到了conditional variable的作用。

这么搞之后,主要是对各个点的隶属度的变化

那么实际用的时候有啥意义呢?
作者指出,conditional variable作为context-sensitive的一种需求,在data mining中可以有:
给定 $x_i$ is small ; 我们要揭示 $x_1,x_2,\ldots,x_{i-1},x_i,\ldots,x_n$ 之间的关系, 这里 small 是一个模糊集

这时候我们可以将 $x_i$ 作为 conditional variable。

总评

这篇文章属于解决实际需求型,要写出来,那就是可遇不可求了