基于自适应的粗糙C-均值聚类算法

摘要：

粗糙C-均值的提出，首次将粗糙集与聚类算法结合起来。随后，众多学者对其进行了广泛研究。然而，绝大多数算法在研究簇的下近似、边界对象时，使用统一的权重，忽略了这些对象本身的差异性以及对所在簇的贡献。针对此问题，文中提出一种改进的聚类方法。通过样本对象偏移其所在簇心的程度，设定不同的簇偏移量，距离簇心越近的样本对象其簇偏移量越大，反之越小。通过此举以客观描述这些样本对象对其所在簇的贡献，使得最终聚类结果更加精确、簇内更加紧密、簇间更加稀疏。实例计算结果以及通过MATLAB对数据库中IRIS的数据集进行仿真验证，表明提出的改进算法具有一定的可行性。

关键词：聚类、粗糙集、粗糙C-均值、簇偏移量

所属期刊栏目：26

分类号：TP301.6(计算技术、计算机技术)

资助基金：江苏省普通高校研究生科研创新计划项目46888LX14819

在线出版日期：2016-05-06（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：67-70