基于数据加权策略的模糊聚类改进算法

摘要：

该文提出了一种数据指数加权的模糊均值聚类策略,引入了指数权因子和影响指数,使得可以在聚类过程中差异化处理各个数据.新策略和现有的Gustafson-Kessel(G-K)算法相结合,提出了一种新的模糊聚类算法DWG-K用于提高聚类质量和挖掘离群点.数据试验表明DWG-K在提高聚类质量方面优于现有的G-K;在离群点挖掘方面,DWG-K对离群点的判定是全局的,离群点的物理意义清楚,且计算效率明显高于当前广泛采用的基于密度的离群点挖掘算法.

关键词：模糊聚类、数据加权策略、数据加权G-K、离群点挖掘

所属期刊栏目：32

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金50875169资助课题

在线出版日期：2010-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1277-1283