一种基于隶属度优化的演化聚类算法
针对FCM中数据点隶属度的计算是影响算法执行效率的主要因素,提出一种新的加速FCM算法(accelerated fuzzy C-means,AFCM),用于加速FCM及基于FCM的演化聚类算法.AFCM算法采用抽样初始化操作,产生较好的初始聚类中心,对于拥有较大隶属度的数据点,通过一步k-means操作更新模糊聚类中心,同时仅更新小隶属度来达到加速FCM算法的目的.为了验证所提出方法的有效性并提高聚类算法的效率,将AFCM应用于基于演化算法的模糊聚类算法.实验表明,此方法在保持良好的聚类结果前提下,能够减少大规模数据集上聚类算法的计算时间.
聚类、模糊C-均值、隶属度、演化算法、混合策略
50
TP18(自动化基础理论)
国家自然科学基金项目60973075,61272186;工信部基础科研计划基金项目B0720110002;黑龙江省自然科学基金项目F200937
2013-04-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
548-558