熵指数约束的模糊聚类新算法

摘要：

针对基于模糊C均值聚类(fuzzy C-means,FCM)算法框架的竞争聚集聚类(competitive agglomeration,CA)算法中模糊指数m被限定为2的问题,提出了一种更为普适的模糊聚类新算法.该算法首先在FCM算法框架的基础上引入熵指数约束条件,构造了基于熵指数约束的模糊C均值聚类(entropy index constraint FCM,EIC-FCM)算法,成功地将模糊指数m＞1的约束条件转换为熵指数0＜r＜1的约束条件,经分析该算法具备与经典FCM算法等效的聚类性能.其后进一步在EIC-FCM 算法的框架下融入竞争学习机制得到基于熵指数约束的竞争聚集聚类(entropy index constraint CA,EICCA)算法,该算法由于使用(0,1)范围的熵指数约束而不再受到模糊指数仅为2的限制,增强了算法的适应性且更具普适性的特征.在模拟数据集以及UCI数据集上的实验结果同样表明,EICCA方法较之经典的CA算法性能更为优越,参数的选择更为灵活.

关键词：竞争聚集、模糊指数、熵指数、熵指数约束、模糊聚类

所属期刊栏目：51

分类号：TP391.4;TP18(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272210,61202311;江苏省自然科学基金项目BK2012552;贵州省科学技术基金项目黔科合J字[2013] 2136号

在线出版日期：2014-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2117-2129