一种改进的区间型不确定数据模糊聚类方法
针对区间型不确定数据的特点,该文提出一种改进的模糊C均值聚类算法(IU-IFCM).首先对区间型数据进行特征变换,由p维特征映射成由2p维特征组成的实数据,然后考虑区间中值与区间大小关系,设计一种样本距离计算方法,通过模糊C均值实现对区间型样本聚类.理论分析与对比实验表明,该算法的划分系数(PC)及正确等级(CR)值比其它方法平均提高10%以上,表明有更好的聚类精度,对当前大数据环境下不确定数据的分类提供了一种新的解决方案.
区间型数据、模糊C均值、影响因子、特征变换
42
TN911.7;TP391
国家自然科学基金;湖南省自然科学基金;湖南省教育厅科研项目
2020-08-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
1968-1974