一种改进隶属度函数的FCM聚类算法
来源期刊：控制与决策2015年第12期
论文作者：肖满生 文志诚 张居武 汪新凡
文章页码：2270 - 2274
关键词：模糊C-均值;隶属度约束;噪声样本;有效性;
摘 要：传统模糊??-均值（FCM）算法要求一个样本对于各个聚类的隶属度之和满足归一化条件,从而导致算法对噪声和孤立点敏感,对非均衡分布样本的聚类有效性降低.针对该问题,提出一种改进模糊隶属函数约束的FCM聚类算法,通过放松归一化条件,推导出新的隶属度划分公式,并在聚类过程中不断进行隶属度修正,从而达到消除噪声样本、提高聚类有效性的目的.最后通过实验结果对比验证了改进算法的正确性.
肖满生1，文志诚2，张居武1，汪新凡2
1. 湖南工业大学科技学院2. 湖南工业大学计算机与通信学院
摘 要：传统模糊??-均值（FCM）算法要求一个样本对于各个聚类的隶属度之和满足归一化条件,从而导致算法对噪声和孤立点敏感,对非均衡分布样本的聚类有效性降低.针对该问题,提出一种改进模糊隶属函数约束的FCM聚类算法,通过放松归一化条件,推导出新的隶属度划分公式,并在聚类过程中不断进行隶属度修正,从而达到消除噪声样本、提高聚类有效性的目的.最后通过实验结果对比验证了改进算法的正确性.
关键词：模糊C-均值;隶属度约束;噪声样本;有效性;
