模糊C-均值(FCM)聚类算法的实现

被引:35
作者
孙晓霞
刘晓霞
谢倩茹
机构
[1] 西北大学信息科学与技术学院
关键词
模糊聚类; FCM算法; 聚类有效性;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
传统的FCM算法能够将靠近边界的具有固有形状的两个簇合并成为一个大的簇。然而,对于一些稍微复杂的数据,如果没有其它的像去除小簇之类的机制的话,FCM算法很难将非常接近的类聚类到一起。给出的聚类算法是在传统FCM算法的循环之后添加了去除掉空簇的步骤,解决了上述很难将非常接近的类聚到一个簇中的问题。另外,为便于选出最优结果,在递归之后又添加了计算聚类有效性的步骤。最后用Java实现了该算法并在数据集上进行了实验,证实了改进方法的有效性。
引用
收藏
页码:48 / 50
页数:3
相关论文
共 2 条
[1]   FCM聚类算法中模糊加权指数m的优选方法 [J].
宫改云 ;
高新波 ;
伍忠东 .
模糊系统与数学, 2005, (01) :143-148
[2]   Improving fuzzy c-means clustering based on feature-weight learning [J].
Wang, XZ ;
Wang, YD ;
Wang, LJ .
PATTERN RECOGNITION LETTERS, 2004, 25 (10) :1123-1132