关于模糊C-均值(FCM)聚类算法的改进

被引：44

作者：

姜伦

丁华福

机构：

[1] 哈尔滨理工大学计算机科学与技术学院

来源：

计算机与数字工程 | 2010年 / 38卷 / 02期

基金：

国家自然科学基金重点项目;

关键词：

模糊聚类; FCM算法; 模糊划分;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对模糊C-均值(FCM)聚类算法的容易收敛于局部极值的不足,提出了一种改进的模糊FCM聚类算法,此新算法在聚类中心选取和优化过程中进行了充分的考虑,是一种用于确定最佳聚类数的聚类算法,并且利用了分阶段思想,结合动态直接聚类算法和标准聚类算法,来尽量避免模糊C-均值(FCM)聚类算法的不足。新算法与传统(FCM)聚类算法方法相比,提高了算法的寻优能力,并且迭代次数更少,在准确度上也有较大的提高,具有很好的实际应用价值。

引用

页码：4 / 6+14 +14

页数：4

共 9 条

[1]

模糊聚类新算法与聚类有效性问题研究 [D].

范九伦 .

西安电子科技大学,

1998

[2]

核聚类算法最佳聚类数的自适应确定方法 [J].

普运伟 ;

朱明 ;

金炜东 ;

胡来招 .

计算机工程, 2007, (04) :11-13

[3]

一种改进的微粒群优化算法 [J].

郑小霞 ;

钱锋 .

计算机工程, 2006, (15) :25-27

[4]

遗传模糊C均值算法在入侵检测中的应用 [J].

刘霞 ;

洪飞龙 .

信息安全与通信保密, 2006, (07) :111-113

[5]

基于数据挖掘平台的模糊聚类算法及应用研究 [J].

米红 ;

张希雯 ;

陈文生 .

厦门理工学院学报, 2006, (02) :17-21

[6]

点密度函数加权模糊C-均值算法的聚类分析 [J].

刘小芳 ;

曾黄麟 ;

吕炳朝 ;

不详 .

计算机工程与应用 , 2004, (24) :64-65+96

[7]

高维特征空间中文本聚类研究 [J].

姜宁 ;

宫秀军 ;

史忠植 .

计算机工程与应用, 2002, (10) :63-67

[8]

Data Preparation for Mining World Wide Web Browsing Patterns.[J].Robert Cooley;Bamshad Mobasher;Jaideep Srivastava.Knowledge and Information Systems.1999, 1

[9]

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

← 1 →