一种改进隶属度函数的FCM聚类算法

摘要：

传统模糊C-均值(FCM)算法要求一个样本对于各个聚类的隶属度之和满足归一化条件,从而导致算法对噪声和孤立点敏感,对非均衡分布样本的聚类有效性降低.针对该问题,提出一种改进模糊隶属函数约束的FCM聚类算法,通过放松归一化条件,推导出新的隶属度划分公式,并在聚类过程中不断进行隶属度修正,从而达到消除噪声样本、提高聚类有效性的目的.最后通过实验结果对比验证了改进算法的正确性.

关键词：模糊C-均值、隶属度约束、噪声样本、有效性

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：湖南省自然科学基金项目2015JJ2047,13JJ9031;湖南工业大学自然科学基金项目2014HZX29;湖南省教育厅项目12C0074

在线出版日期：2015-12-24（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：2270-2274