基于非欧式距离的可能性C-均值聚类

摘要：

改进型可能性C-均值聚类(Improved possibilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possibilistic C-means,PCM)的基础上得到的.在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(Alternative improved possibilistic C-means,AIPCM),并给出了该模型的具体实现算法.AIPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类.仿真实验表明,AIPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率.

关键词：模糊聚类、改进型可能性C-均值聚类、新的改进型可能性C-均值聚类

所属期刊栏目：38

分类号：TP181(自动化基础理论)

在线出版日期：2007-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：702-705