基于数据加权策略的模糊C均值聚类算法.pdfVIP

第 36卷 第 11期 系统工程与 电子技术 Vo1．36 NO．11 2014年 11月 SystemsEngineeringandElectronics November2014 文章编号 ：1001506X(2014)112314—06 网址 ：www．sys—ele．coin 基于数据加权策略的模糊 C均值聚类算法 周世波 ，徐维祥 ，柴 田 (1．北京交通大学交通运输学院，北京 100044；2．集美大学航海学院，福建 厦 门361021) 摘 要 ：针对模糊 C均值 (fuzzyC-means，FcM)聚类算法没有考虑噪声样本点和样本数据 的分布特征对聚 类结果影响的不足，利用数据加权策略对 FCM 聚类算法进行改进 。改进后 的算法通过计算各样本点的密度值 ， 将初始聚类中心限制在高密度样本点区域 ，并把样本点的密度值作为该点的权值 ，对聚类 中心进行调整 ，突出高 密度样本点在聚类 中心调整 中的影响力，从而达到提高聚类效果的 目的。人造数据集和加州大学欧文分校 (Uni— versityofCalifornia—Irvine，UCI)真 实数据集的实验结果表 明，在不提高时间复杂度 的同时，与 FCM 算法相 比，基 于数据加权策略的FCM 算法聚类的准确率更高。 关键词 ：模糊聚类 ；模糊 C均值算法 ；数据加权 中图分类号 ：TP18 文献标志码 ：A DOI：10．3969／j．issn．1001—506X．2O14．11．32 Data。w‘eightedfuzzyC_。meansclusteringalgorithm ZHOU Shi—bo～，XU W ei—xiang ，CHAITian (1．SchoolofTrafficandTransportation，BeijingJiaotongUniversity，Beijing100044，China 2．NavigationColledge，JimeiUniversity，Xiamen361021，China) Abstract：FocusingonthefuzzyC—means(FCM )algorithm ’Sshortcomingsintermsofinsufficiencycaused bynoisysamplepointsanddatadistributioncharacteristicstoclusteringresults，FCM clusteringisimprovedby thedata—weighted strategy．Forbettereffect，theimprovedalgorithm limitsclustering centresin high density areas，adjuststheclusteringcentresbydensityvaluesadjustment，andhighlighthighdensitysamplepoints’in— fluenceintheclusteringcenteradjustment．Simulationresultswithman—madedataandUCIrealdatashow that thedataweightedFCM algorithm hashigheraccuracywithouttheincreaseoftimecomplexityincontrasttOthe FCM algorithms． Keywords：fuzzyclustering；fuzzyC—means (FCM )algorithm ；data—weighted 聚类方法有基于等价关系的模糊聚类方法 、基 于模糊 图论 0 引 言