改进的模糊-均值聚类算法.pdfVIP

中文摘要 摘要 模糊聚类由于能够描述样本类属的中介性，能够客观地反映现实世界，已逐 渐成为聚类分析的主流．在众多的模糊聚类算法中，模糊C一均值算法(FCM)可 以说是应用最为广泛、最为灵敏的一种算法．但是该算法对初始化特别敏感，很 容易陷入局部极小值或者鞍点，而得不到全局最优解；并且当我们使用这一聚类 算法时，必须事先指定数据集的聚类数，然而聚类数C一般是很难预先知道的． 通过对FCM聚类算法的运行机理进行系统的分析，本文从两个方面对FCM 聚类算法进行了改造． 首先，针对FCM算法对初值敏感的问题，提出了一个全局模糊c-均值聚类算 法．这个算法通过动态增加聚类中心的方式，不依赖于任何的初始条件，进行全 局搜索以达到最优聚类的目的．在此基础上，我们又给出了一个快速全局模糊C。 均值聚类算法，用以提高全局模糊c’均值聚类算法的运行速度．实验结果表明， 文中提出的全局模糊C一均值聚类算法有效地克服了FCM对初值敏感的问题，同时 提高了聚类的准确性；快速全局模糊c一均值聚类算法不仅提高了全局模糊c一均 值聚类算法的运行速度，而且基本上保持了聚类的准确性． 其次，针对FCM算法需要事先指定聚类数的问题，