R软件求加权几何平均数？

简单几何平均数的函数是：exp(mean(log(y)))
那么，加权呢？
谢谢

权数向量记为f=(f1,f2,...,fn),记y=(y1,y2,...,yn)，则相应的加权几何平均数为exp^(sum(f*log(y))/sum(f))

我会matlab！

FCM <- function(x, K, mybeta = 2, nstart = 1, iter_max = 100, eps = 1e-06) {
  ## FCM


  ## INPUTS
  ##   x: input matrix n*d, n  d-dim samples
  ##   K: number of desired clusters
  ##   Optional :
  ##       mybeta : beta, exponent for m (defaut 2).
  ##       nstart:  how many random sets should be chosen(defaut 1)
  ##       iter_max : The maximum number of iterations allowed. (default 100)
  
  ##      
  ## OUTPUTS
  ##   u: The fuzzy membership matrix = maxtrix of size n*K;
  ##   g: matrix of size K*d of the centers of the clusters
  ##   J: objective function
  ##   histJ: all the objective function values in the iter process


  ## modified time: 2015-02-07


    FCM_onetime <- function(x, init_centers, mybeta = 2, iter_max = 100, eps = 1e-06) {
        n = dim(x)[1]
        d = dim(x)[2]
        g = init_centers
        K = dim(g)[1]
        histJ = c()
        pasfini = 1
        Jold = Inf
        D = matrix(0, n, K)
        for (j in 1:K) {
            D[, j] = rowSums(sweep(x, 2, g[j, ], "-")^2)
        }
        iter = 1
        J_old = Inf
        while (pasfini) {
            s = (1/(D + eps))^(1/(mybeta - 1))
            u = s/(s %*% matrix(1, K, K))
            t1 = t(u^mybeta) %*% x
            t2 = t(u^mybeta) %*% matrix(1, n, d)
            V = t1/t2
            g = V
            D = matrix(0, n, K)
            for (j in 1:K) {
                D[, j] = rowSums(sweep(x, 2, g[j, ], "-")^2)
            }
            J = sum(u^mybeta * D)
            pasfini = abs(J - Jold) > 0.001 && (iter < iter_max)
            Jold = J
            histJ = c(histJ, J)
            iter = iter + 1
        }
        cluster_id = apply(u, 1, which.max)
        re = list(u, J, histJ, g, cluster_id)
        names(re) = c("u", "J", "histJ", "g", "cluster_id")
        return(re)
    }
    x = as.matrix(x)
    seeds = 1:nrow(x)
    id = sample(seeds, K)
    g = as.matrix(x[id, ])
    re_best = FCM_onetime(x = x, init_centers = g, mybeta = mybeta, iter_max = iter_max, eps = eps)
    if (nstart > 1) {
        minJ = 0
        i = 2
        while (i <= nstart) {
            init_centers_id = sample(seeds, K)
            init_centers = as.matrix(x[init_centers_id, ])
            run = FCM_onetime(x, init_centers = init_centers, mybeta = mybeta, iter_max = iter_max)
            if (run$J <= re_best$J) {
                re_best = run
            }
            i = i + 1
        }
    }
    return(re_best)
}