期刊文献+

一种改进的模糊C均值聚类算法 被引量:1

An Improved Fuzzy C-Means Clustering Algorithm
下载PDF
导出
摘要 针对传统的模糊C均值聚类(FCM)算法聚类数目难以确定,目标函数收敛速度慢的特点,提出了一种改进的模糊聚类算法,将粒度思想和m-α关系引入FCM模糊聚类算法中,从不同的粒度空间对聚类进行有效性评价,并通过改变m或α的值来影响模糊化程度,进而改变聚类的收敛速度。分别采用FCM与该算法对经典数据集进行聚类对比。结果表明:改进后的聚类算法能够得到合理有效的聚类数目和初始聚类中心,并且具有比传统FCM更快的收敛速度。 Because the Fuzzy C-Means(FCM) clustering algorithm is difficult to determine clustering numbers and has a low convergent speed.The improved FCM fuzzy clustering algorithm is proposed by introducing the granularity thinking and the relationship of m-α into the FCM.The clusters are evaluated from different granular spaces.And the clustering convergent speed is enhanced by changing the values of fuzzy factors m and α to affect the fuzzification degree.The improved FCM algorithm and the FCM are used in classical data sets to make a comparison.The results have shown that the proposed algorithm can obtain reasonable and effective clustering numbers,and has a faster convergent rate than the FCM.
作者 刘喜梅 雷达
出处 《青岛科技大学学报(自然科学版)》 CAS 2011年第2期194-198,共5页 Journal of Qingdao University of Science and Technology:Natural Science Edition
关键词 模糊C均值 粒度思想 密度函数 模糊因子 收敛速度 fuzzy C-means(FCM) granularity thinking density function fuzzy factor convergent speed
  • 相关文献

参考文献7

二级参考文献52

共引文献196

同被引文献10

引证文献1

二级引证文献6

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部