均衡模糊C均值聚类算法

被引：13

作者：

文传军 ^{[1
]}

汪庆淼 ^{[2
]}

詹永照 ^{[3
]}

机构：

[1] 常州工学院理学院

[2] 苏州大学计算机学院

[3] 江苏大学计算机科学与通信工程学院

来源：

计算机科学 | 2014年 / 41卷 / 08期

关键词：

模糊C均值聚类; 样本容量; 均衡化; 粒子群; 全局优解;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

模糊C均值聚类算法没有考虑各类样本容量因素,当各类样本容量差异较大时,其聚类判决将向小样本类倾斜。提出一种新的聚类算法——均衡模糊C均值聚类,对模糊C均值聚类算法最小化目标函数进行修正,使得改进的目标函数包含了样本容量因素,利用粒子群算法并以样本模糊隶属度为编码对象求解参数优解。从理论上分析了该算法的性质,通过仿真实验验证了所提算法对平衡、不平衡数据集的有效性。

引用

页码：250 / 253

页数：4