基于信息熵的FCM聚类算法
针对模糊聚类存在的数据收缩问题的不足,提出了一种改进现有模糊聚类算法的方法,并进行仿真实验研究.模糊C-均值(FCM)算法主要通过目标函数的迭代优化来实现集合划分,以信息熵作为模糊C-均值算法的约束条件,给出改进算法的推导过程,得出改进后的模糊C-均值算法的隶属度和聚类中心,实现了模糊C-均值的改进算法.实验结果可以表明,改进的模糊C-均值算法是有效的,能够表现出比模糊C-均值算法更好的性能,在实际应用中可以取得较好的聚类效果.
模糊聚类、模糊C-均值算法、聚类分析、信息熵、聚类算法
31
TP18(自动化基础理论)
黑龙江省教育厅科学技术研究基金项目11553040
2011-03-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
5092-5095