基于样本加权的可能性模糊聚类算法

被引：21

作者：

刘兵

夏士雄

周勇

韩旭东

机构：

[1] 中国矿业大学计算机科学与技术学院

来源：

电子学报 | 2012年 / 40卷 / 02期

关键词：

样本加权; 可能性C-均值聚类; 可能性模糊聚类;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

可能性模糊聚类算法解决了噪音敏感和一致性聚类问题,但算法假定每个待分析样本对聚类的贡献相同,导致离群点或噪声点对算法的干扰较强,算法迭代次数过大.为此,提出一种基于样本加权的可能性模糊聚类算法,新算法具有更快的收敛速度,对标准数据集和人工数据集加噪后的测试结果表明,该算法具有更强的鲁棒性,在有效降低时间复杂度的同时能够取得较好的聚类准确率.

引用

页码：371 / 375

页数：5

共 7 条

[1] 可能性模糊C-均值聚类新算法 [J].