改进的快速模糊C-均值聚类算法

被引：13

作者：

陈松生

王蔚

机构：

[1] 南京师范大学教育科学学院机器学习与认知实验室

来源：

计算机工程与应用 | 2007年 / 10期

基金：

教育部留学回国人员科研启动基金;

关键词：

模糊聚类分析; 模糊C-均值; 多次随机取样; 数据约减;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

为解决模糊C-均值(FCM)聚类算法在大数据量中存在的计算量大、运行时间过长的问题,提出了一种改进方法:先用多次随机取样聚类得到的类中心作为FCM算法的初始类中心,以减少FCM算法收敛所需的迭代次数;接着通过数据约减,压缩参与迭代运算的数据集,减少每次迭代过程的运算时间。该方法使FCM算法运算速度大大提高,且不影响算法的聚类效果。

引用

页码：167 / 169

页数：3