- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种改进的密度加权的模糊c聚类算法
计 算 机 系 统 应 用 2012 年 第 21 卷 第 9 期
一种改进的密度加权的模糊 C 聚类算法①
王行甫, 程用远, 覃启贤
( 中国科学技术大学 计算机学院, 合肥 230027)
摘 要: 模糊 C 均值聚类算法(FCM)是一种流行的聚类算法,在许多工程领域有着广泛的应用. 密度加权的模糊 C
均值算法(Density Weighted FCM)是对传统 FCM 的一种改进,它可以很好的解决 FCM 对噪声敏感的问题. 但是
DWFCM 与 FCM 都没有解决聚类结果很大程度上依赖初始聚类中心的选择好坏的问题. 提出一种基于最近邻居
节点对密度的 FCM 改进算法 Improved-DWFCM,通过最近邻居节点估计节点密度的方法解决聚类结果对初始簇
中心依赖的问题. 仿真结果表明这种算法选择出来的初始聚类中心与最终结果的簇中心非常接近, 大大提高了
算法收敛的速度以及聚类的效果.
关键词: 模糊聚类; 基于密度加权的模糊 C 聚类; 初始聚类中心; 最近邻居节点对; 密度
Improved Density Weighted Fuzzy C Means Algorithm
WANG Xing-Fu, CHENG Yong-Yuan, QIN Qi-Xian
(School of Computer Science, University of Science and Technology of China, Hefei 230027, China)
Abstract: Fuzzy C Means algorithm is popular soft clustering algorithm. It has been applied in many engineering fields.
Density weighted FCM is its variant, which can solve FCM’s problem: sensitive to outlier and noise data. However,
performances of both algorithms are heavily depend on proper initial cluster centers. This paper proposes a novice
algorithm: Improved density weighted FCM based on nearest neighbor pair and its density, simulation results show
initial center produced by the algorithm are very close to final cluster center. Thus IDWFCM can convergent very
quickly and improve the performance.
Key words: fuzzy C means; improved density weighted fuzzy C means; initial cluster center; nearest neighbor data pair;
density
聚类是一种重要的非监督模式学习算法, 在许多 法中模糊 C 均值算法(FCM)是一种十分流行的聚类算
工程领域如: 模式识别、系统建模、图像处理、通信、 法, 许多学者对 FCM 进行广泛的研究[1-5]. 然而, FCM
数据挖掘方面有广泛的应用. 聚类是将一组没有标签 也有一些缺点: 初始簇中心选择对聚类结果好坏有很
的样本数据分成几簇, 使得同一簇内的数据其相似度 大的影响; 容易受到噪声数据影响; 由于隶属度函数
最大, 不同簇中数据之间相似度最小.
您可能关注的文档
- 20112015年吉林食品中单增李斯特菌的监测数据分析.pdf
- 20112015年吉林食品中金黄色葡萄球菌的监测数据分析.pdf
- 2014年德兴城建设经营总公司企业债券.pdf
- 2014年江苏常州中考真题语文.pdf
- 2016年九年级总复习第一次调研检测.doc
- 2016年普通高等学校招生全国统一考试上海卷数学文.doc
- 2017学年普陀区小学数学六上期末质量检测试卷.doc
- 2017年12月海口建设工程主要材料场信息价.pdf
- 2017年12月未经审计营运资料.pdf
- 2017安全报告供应链攻击.pdf
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
文档评论(0)