FCM算法的改进及仿真实验研究

被引：16

作者：

吕晓燕 ^{[1
,2
]}

罗立民 ^{[2
]}

李祥生 ^{[1
]}

机构：

[1] 不详

[2] 山西医科大学计算中心

[3] 不详

[4] 东南大学计算机科学与工程系

[5] 不详

来源：

计算机工程与应用 | 2009年 / 20期

关键词：

模糊C均值算法; 主成分分析; Relief算法; 模糊划分系数; 平均模糊熵;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对FCM原型算法的不足,提出一种新的改进方法,并进行仿真实验研究。利用主成分分析方法对原始数据集的指标进行筛选,应用Relief算法对入选指标计算权重。在此基础上,对FCM算法进行了改进。应用模糊划分系数F(CR)和平均模糊熵H(CR)这两个指标对算法的性能进行了评价。仿真实验结果表明,改进后的FCM算法对样本集数据的分类符合率达到了91.5%,其模糊划分系数F(CR)和平均模糊熵HC(R)分别为0.924和-0.062。改进后的FCM算法分类性能优于FCM原型算法,在应用中可以取得更好的效果。

引用

页码：144 / 146+164 +164

页数：4