基于遗传优化的采样模糊C均值聚类算法

被引：22

作者：

张曙红

孙建勋

诸克军

机构：

[1] 中国地质大学管理学院

[2] 华中科技大学管理学院

[3] 中国地质大学管理学院湖北武汉华中科技大学管理学院

[4] 湖北武汉

来源：

系统工程理论与实践 | 2004年 / 05期

关键词：

数据挖掘; 采样; 模糊C均值聚类; 遗传算法;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下,FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于遗传优化的采样模糊C均值聚类算法SFGO(SamplingFCMwithGeneticOptimization).仿真实验证明SFGO算法在大规模数据库的聚类挖掘中,在时间性能和聚类质量上都能获得较满意的结果.

引用

页码：121 / 125

页数：5