广义均衡模糊C均值聚类算法

被引：38

作者：

文传军 ^{[1
]}

詹永照 ^{[2
]}

柯佳 ^{[2
]}

机构：

[1] 常州工学院理学院

[2] 江苏大学计算机科学与通信工程学院

来源：

系统工程理论与实践 | 2012年 / 12期

关键词：

聚类; 模糊C均值聚类; 样本容量; 广义均衡化;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

模糊C均值聚类(FCM)算法是一种快速有效的聚类算法,但它没有考虑各类样本容量的差异,其最小化代价函数会导致聚类判决有利于少样本类.提出一种新的聚类算法——广义均衡模糊C均值聚类,通过对模糊C均值聚类最小化代价函数的改进,使得样本容量在聚类代价函数中发挥效用,从而弱化了样本容量差异对聚类判决的干扰.讨论分析了该算法的性质,模糊隶属度的推导突破了FCM解析解的约束.通过仿真实验,验证了所提出算法的有效性.

引用

页码：2751 / 2755

页数：5