mfuzz 原理

Mfuzz是一种基于模糊C-均值（FCM）聚类算法的软聚类方法，用于对具有时间序列特征的数据进行聚类分析。

它通过计算特征物质（如代谢物、蛋白、基因）在不同簇下的Membership值，来直观感受特征物质在某个聚类的归属程度。

Mfuzz通过算法确定每个数据隶属于各个簇的程度，而不是将一个数据对象硬性地归类到某一簇中。

算法流程包括标准化数据矩阵、确定聚类簇的数量、建立模糊相似矩阵并初始化隶属矩阵，然后开始迭代，直到目标函数收敛到极小值。

根据迭代结果，由最后的隶属矩阵确定数据所属的类，显示最后的聚类结果。