迭代吉洪诺夫正则化的FCM聚类算法

摘要：

模糊C均值聚类算法(fuzzy C-means,FCM)存在不适定性问题,数据噪声会引起聚类失真.为此,提出一种迭代Tikhonov正则化模糊C均值聚类算法,对FCM的目标函数引入正则化罚项,推导最优正则化参数的迭代公式,用L曲线法在迭代过程中实现正则化参数的寻优,提高FCM的抗噪声能力,克服不适定问题.在UCI数据集和人工数据集上的实验结果表明,所提算法的聚类精度较传统FCM高,迭代次数少10倍以上,抗噪声能力更强,用迭代Tikhonov正则化克服传统FCM的不适定问题是可行的.

关键词：模糊C均值聚类、不适定问题、Tikhonov正则化、正则化参数、L曲线

所属期刊栏目：38

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目61363027;教育部人文社会科学研究规划基金项目11YJAZH080

在线出版日期：2017-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2391-2395