面向隶属度修正模糊聚类的参数选择方法

摘要：

隶属度修正是模糊C-均值聚类算法改进的一个重要方向,该类改进算法引入模糊阈值修正隶属度,极大的加快了算法的收敛.然而其模糊阈值的自适应取值一直是一个较难解决的问题.针对这个问题,从数据对聚类中心的物理吸引和相似关系等角度提出了一种针对隶属度修正类FCM算法的模糊阈值参数选择方法,并从该参数选择公式的单调性、收敛性和鲁棒性等角度理论验证了该方法的有效性.仿真实验表明,该参数选择方法有效并具有较好的自适应效果,在加入离群点时也有着较强的鲁棒性,对于隶属度修正类FCM算法的参数选择有着较高的应用价值.

关键词：模糊聚类、隶属度修正、参数选择、相似关系、自适应

所属期刊栏目：24

资助基金：国家自然科学基金61272315,60842009;浙江省科技厅国际合作项目2012C24030;浙江省温州市科技计划G20130031

在线出版日期：2015-03-19（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：166-170