一种基于高斯核化有效性指标的自适应优选聚类数的FKCM

摘要：

针对传统的模糊核聚类算法(FKCM)需给出聚类个数,且对初始值敏感、易陷入局部最优的缺点,本文提出了一种基于高斯核化有效性指标的自适应优选聚类数的模糊核聚类算法(GKVI-AOCN-FKCM).利用基于密度和距离的方法选取初始聚类中心,克服了对初始值的敏感,提高了聚类效率.然后用高斯核函数核化后的有效性指标评价聚类效果并自动确定最佳分类数,从而无监督地实现对数据集的模糊划分.对Iris数据集的仿真实验及石脑油属性数据分类的应用验证了算法的可行性和有效性.

关键词：聚类分析、模糊聚类、高斯核函数、聚类中心初始化、有效性指标

所属期刊栏目：29

分类号：TQ015.9;TP391.9;O6-39(一般性问题)

资助基金：国家自然科学基金项目重点基金资助项目U1162202;国家高技术研究发展计划863资助项目2012AA040307;上海市基础研究重点项目10JC1403500;上海市重点学科建设项目B504;流程工业综合自动化国家重点实验室开放课题基金

在线出版日期：2013-01-21（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：1199-1203