广义洛伦兹内核函数在模糊C均值聚类中的应用研究

摘要：

模糊C均值(FCM)算法是数据聚类分析的主要算法.但在嘈杂环境下,对于抽样大小不一的聚类,数目越多准确性越低,上述弊端可通过替代性FCM(AFCM)的高斯内核映射来解决.鉴于AFCM的不足,提出了针对模糊C均值聚类的广义洛伦兹内核函数.利用该算法对鸢尾数据库进行聚类,将其划分成山鸢尾、变色鸢尾和维吉尼亚鸢尾3类.实验结果表明,广义洛伦兹模糊C均值(GLFCM)可实现对离群聚类和大小不等的聚类数据的分类,其结果优于K均值、FCM、替代性C均值(AFCM)、Gustafson-Kessel(GK)和Gath-Geva (GG)方法,收敛迭代次数比AFCM的更少,其分区索引(SC)效果也好于其他方法.

关键词：广义洛伦兹隶属函数、K均值、替代性模糊C均值、聚类、离群聚类

所属期刊栏目：42

分类号：TP301.6(计算技术、计算机技术)

资助基金：黑龙江省智能教育与信息工程重点实验室开放基金项目1155xnc107;黑龙江省教育厅科学技术研究项目12543067

在线出版日期：2015-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：268-271