一种改进的模糊C均值聚类算法

摘要：

针对传统的模糊C均值聚类(FCM)算法聚类数目难以确定,目标函数收敛速度慢的特点,提出了一种改进的模糊聚类算法,将粒度思想和m-α关系引入FCM模糊聚类算法中,从不同的粒度空间对聚类进行有效性评价,并通过改变m或α的值来影响模糊化程度,进而改变聚类的收敛速度.分别采用FCM与该算法对经典数据集进行聚类对比.结果表明:改进后的聚类算法能够得到合理有效的聚类数目和初始聚类中心,并且具有比传统FCM更快的收敛速度.

关键词：模糊C均值、粒度思想、密度函数、模糊因子、收敛速度

所属期刊栏目：32

分类号：TP181(自动化基础理论)

在线出版日期：2011-08-15（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：194-198