模糊C均值与支持向量机相结合的增强聚类算法

摘要：

针对传统重复聚类算法精度不高、消耗资源较大的缺点,提出了一种模糊C均值(FCM)与支持向量机(SVM)相结合的增强聚类算法.该算法思路是先将实例数据集利用FCM粗分为C类,然后使用SVM再对每一类进行细化分类,实现中提出了基于完全二叉树的决策级联式SVM模型,以便达到增强聚类的目的.针对使用FCM迭代聚类的过程中有可能会出现新的特征使原有的聚类失去平衡性的问题,提出了使用划分的思想对数据集进行预处理来消除这种不利影响.利用鸢尾属植物真实数据集对相关算法进行实验对比分析,结果表明该算法能够克服精度低的缺点,并节约了系统资源,可以提高聚类的质量.

关键词：模糊C均值、支持向量机、增强聚类、完全二叉树、量化指标评价

所属期刊栏目：33

分类号：TP301.6(计算技术、计算机技术)

资助基金：广西科技攻关项目桂科攻[10100002-2]号;广西研究生教育创新计划项目2011105960812M23;桂林市科学研究与技术开发计划项目桂林市201101102-2

在线出版日期：2013-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：991-993