利用模糊熵约束的模糊C均值聚类算法
小型微型计算机系统（2014）
摘要
针对传统的模糊C均值聚类算法求解隶属度公式仅仅考虑距离因素和算法对噪声数据敏感的问题,通过引入模糊熵约束,给出一种模糊C均值聚类算法.该算法引入模糊熵作为模糊C均值聚类算法的约束条件,重新给出了模糊C均值聚类算法的隶属度和聚类中心求解新公式,与原算法公式相比,新公式不仅考虑了距离因素,而且还考虑了数据集分布特性,并对同一个数据对象隶属于所有聚类中心的隶属度进行相关性计算,使得整个隶属度求解公式具有高斯分布特性,从而可以抑制噪声数据对聚类中心的影响.最后,采用UCI数据集,实验验证了该算法与传统FCM聚类算法及其派生算法相比,进一步提高了聚类的准确率和抗噪性.
更多关键词
fuzzy C means clustering,fuzzy entropy,clustering center,membership,regulatory factor
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