基于对应分析的冗余模糊C均值聚类算法研究

Zeng Shan,Tong Xiaojun,Sang Nong,Li Rongye

Journal of Huazhong University of Science and Technology(Natural Science Edition)（2012）

引用 2|浏览9

暂无评分

摘要

针对模糊C均值聚类(FCM)算法聚类原型最适合于球状类型簇的特点,提出了基于类间分离度和类内紧缩度加权的冗余聚类中心的FCM算法,即先将大簇或者延伸形状的簇(非凸)采用加权FCM算法分割成多个小类(冗余类),从而规避FCM算法对初始聚类中心敏感的弱点.由于隶属度划分矩阵的元素是每个样本隶属于各冗余类的隶属度值,因此将其作为各冗余类的类特征,通过对应分析得到冗余类的新特征,再次采用加权FCM算法进行冗余类合并,最后达到分类效果.以代表曲线分割和曲面分割分类问题的3个典型数据集为算例,结果表明该方法能够识别不规则的簇,解决了FCM算法对初始聚类中心敏感的缺陷.

查看译文

关键词

fuzzy C-means clustering algorithm,fuzzy membership matrix,correspondence analysis,weighted fuzzy C-means clustering algorithm,intra-class contraction,inter-class separation

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要