初始聚类中心优化的加权最大熵核FCM算法

摘要：

针对传统基于最大熵模糊 C 均值聚类算法(MEFCM)仅适用于球状或椭圆状聚类，为了解决数据分布混乱以及高度相关难以划分的情形，引入 Mercer 核函数，使原来没有显现的特征突现出来，从而使聚类效果更好。然而在实际问题中，大多数样本集的样本数据都存在着重要性(权重)不同的现象，主要针对样本集中各个数据的不同重要程度来设计加权方法，同时为了克服聚类算法对初始聚类中心选取的敏感性这一弱点，提出了一个初始聚类中心优化的加权最大熵核模糊聚类算法(WKMEFCM)。通过实验验证，该算法与原MEFCM算法比较，其聚类结果更加稳定、准确，从而达到更好的聚类划分效果。

关键词：核函数、FCM算法、特征权重、最大熵、初始聚类中心

分类号：TP3;TN9

资助基金：国家自然科学基金61100116;江苏省自然科学基金重点资助项目BK2011492

在线出版日期：2014-08-28（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：139-143