一种改进的加权模糊核聚类算法

摘要：

聚类算法对初始值的依赖性较大,通常容易陷入局部最优, 很难得到稳定的聚类结果.为改善该问题,本文提出了一种改进的加权模糊核聚类算法,将迭代自组织的数据分析算法(ISODATA)的思想引入到加权模糊核聚类算法(WFKCA)中,利用聚类中心分裂/合并的中间结果来调整初始中心,降低了WFKCA算法收敛于局部最优的可能.改进算法采用特征空间中的计算度量,将单值标准差阈值扩展为标准差阈值向量,并增加了对聚类中心的调整幅度.实验结果显示,该算法在不同结构和维数的数据集上都取得了更稳定的聚类精度.

关键词：模糊核聚类、ISODATA算法、局部最优、稳定性

所属期刊栏目：25

分类号：TP311(计算技术、计算机技术)

资助基金：教育部新世纪优秀人才计划NCET-06-0487;国家自然科学基金60472060,60572034;江苏省自然科学基金BK2006081;江南大学创新团队计划JNIRT0702

在线出版日期：2011-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：631-636