基于减法聚类的GK模糊聚类研究

被引：11

作者：

蔡威

程俊杰

机构：

[1] 兰州交通大学自动化与电气工程学院

来源：

兰州交通大学学报 | 2011年 / 30卷 / 06期

关键词：

GK聚类; 减法聚类; 密度; 聚类有效性函数; 自动确定;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

Gustafson-Kessel(GK)算法是目前应用最广泛的模糊聚类算法之一.但是它对初值的设置非常敏感,容易陷入局部最优解;该算法还必须事先给定聚类个数,自我调节能力差.针对GK算法上述缺点,采用减法聚类对GK聚类算法进行初始化,初值设置更能反映数据集结构;基于减法聚类提供的初值,采用聚类有效性函数确定合理的聚类类别数,以达到自动分类的效果能给出较为合理的聚类划分结果.通过对人工数据集和iris数据集的仿真实验,表明改进算法在自动确定合理聚类类别数的同时,聚类正确率明显提高.

引用

页码：50 / 54

页数：5

共 6 条

[1] 基于减法聚类与聚类有效性评判的FCM聚类 [J].

张栒 ;

邓辉文 .

重庆工学院学报, 2006, (05) :59-62

[2] 模糊聚类分析最佳聚类数的确定方法研究 [J].

孙才志 ;

王敬东 ;

潘俊 .

模糊系统与数学, 2001, (01) :89-92

[3] 基于可能性分布的聚类有效性 [J].

范九伦，裴继红，谢维信 .

电子学报, 1998, (04) :113-115+100

[4]

模糊聚类分析及其应用[M]. 西安电子科技大学出版社 , 高新波著, 2004

[5]

Parameter estimation of K-distributed sea clutter based on fuzzy inference and Gustafson–Kessel clustering[J] . Atefeh Davari,Mohammad Hamiruce Marhaban,Samsul Bahari Mohd Noor,Mohammad Karimadini,Ali Karimoddini.Fuzzy Sets and Systems . 2010 (1)

[6]

Fuzzy Model Identification Based on Cluster Estimation[J] . Stephen L. Chiu.Journal of Intelligent and Fuzzy Systems . 1994 (3)

← 1 →