FCM算法参数研究及其应用

模糊 C-均值（FCM）聚类算法是非监督模式识别中应用最为广泛的算法之一。 由于该算法是通过极小化目标函数而求得最优解的，而在目标函数中涉及到的两 个重要参数（即加权指数m 和聚类数c）值必须事先确定才能得到与数据集结构相 符合的划分结果，因此涉及到这两个参数的优选问题。 为此，本文首先提出划分模糊度的概念，并在此基础上借助模糊决策思想提 出了加权指数m 的一种优选方法。同时，又由于 FCM 算法适用于球型分布的数据 集分析，为此本文在定义球型半径之后通过对隶属度的重新定义，提出了基于划 分模糊度的聚类有效性函数，实现了聚类数c的自适应确定。实验结果表明本文提 出的有关参数m 和参数c的确定方法是有效的。 最后，本文利用 FCM 算法对微阵列基因表达数据进行了分析，并把所得结论 与基于模型的微阵列基因表达数据分析所得结论进行了比较，结果表明该方法是 有效的，从而为 FCM 算法开辟了新的应用领域。