计算机科学 ›› 2009, Vol. 36 ›› Issue (6): 206-209.
• • 上一篇 下一篇
张慧哲 王坚
出版日期:
发布日期:
基金资助:
ZHANG Hui-zhe WANG Jian （CIMS Research Center, Tongji University, Shanghai 201804, China）
Online:
Published:
摘要： 针对模糊C-均值（Fuzzy C-Means，FCM）算法聚类效果往往受到初始聚类中心影响，收敛结果易陷入局部极小的问题，提出了一种改进的模糊C均值聚类算法。算法给出了一种简洁快速的初始聚类中心的选取规则，并根据聚类中心的分离特性改进了目标函数，从而使获得的聚类结果为全局最优。仿真结果证明新算法与传统FCM方法相比，迭代次数少，准确率高，同时也更加适用于样本数据分类不均衡的聚类问题。
关键词: 聚类 FCM聚类 目标函数 初始聚类中心 分离度
Abstract: This paper proposed an improved FCM algorithm aiming at many problems in Fuzzy C Means algorithm, such as being sensitive to initial conditions, usually leading to local minimum results. The new algorithm can obtain global optimal solutions through a new
Key words: Clustering, Fuzzy C mean clustering, Objective function, Initial cluster centers, Separative degree
张慧哲 王坚. 基于初始聚类中心选取的改进FCM聚类算法[J]. 计算机科学, 2009, 36(6): 206-209. https://doi.org/
ZHANG Hui-zhe WANG Jian （CIMS Research Center, Tongji University, Shanghai 201804, China）. [J]. Computer Science, 2009, 36(6): 206-209. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2009/V36/I6/206
Cited
首页