führt C-Means-Clustering durch.
[Centers] = CMeans(Samples, InitialCenters, NormType, Criterion, Value)
Matrix, die Beispielvektoren als Zeilen enthält
Matrix, die anfängliche Cluster-Zentren als Zeilen enthält
Norm der Vektoren, ist Skalar größer als null, kann %inf sein
Art der Abbruchbedingung, kann 'iterations' oder 'quantization_error' sein
Anzahl der Iterationen oder maximaler Quantisierungsfehler
resultierende Clusterzentren
Diese Funktion führt C-Means-Clustering durch. Zu jeder Zeile von Samples wird der nächste Nachbar unter den Zeilen von InitialCenters gesucht. Aus dem Mittelwert aller Vektoren, die demselben Clusterzentrum zugeordnet sind, ergibt sich das neue Clusterzentrum.
Der Prozess endet, wenn eine vorgegebene Anzahl von Iterationen durchgeführt wurde oder der Quantisierungsfehler eine vorgegebene Obergrenze nicht überschreitet.
Wenn von Anfang an die Abbruchbedingung erfüllt ist, ist Centers == InitialCenters
Richard O. Duda, Peter E. Hart, David G. Stork, 'Pattern Classification', John Wiley & Sons Inc., New York, Chichester, Weinheim, Brisbane, Singapore, Toronto, Second Edition, 2001