基于信息熵的FCM聚类算法

被引：21

作者：

邢婷 ^{[1
]}

邢治国 ^{[2
]}

王凤领 ^{[1
]}

机构：

[1] 哈尔滨德强商务学院计算机与信息工程系

[2] 三锐系统株式会社事业统括部

来源：

计算机工程与设计 | 2010年 / 31卷 / 23期

关键词：

模糊聚类; 模糊C-均值算法; 聚类分析; 信息熵; 聚类算法;

D O I：

10.16208/j.issn1000-7024.2010.23.051

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对模糊聚类存在的数据收缩问题的不足,提出了一种改进现有模糊聚类算法的方法,并进行仿真实验研究。模糊C-均值(FCM)算法主要通过目标函数的迭代优化来实现集合划分,以信息熵作为模糊C-均值算法的约束条件,给出改进算法的推导过程,得出改进后的模糊C-均值算法的隶属度和聚类中心,实现了模糊C-均值的改进算法。实验结果可以表明,改进的模糊C-均值算法是有效的,能够表现出比模糊C-均值算法更好的性能,在实际应用中可以取得较好的聚类效果。

引用

页码：5092 / 5095

页数：4

共 8 条

[1]

基于直觉模糊熵的目标函数聚类 [J].