自动确定聚类个数的模糊聚类算法

uperrua

自动确定聚类个数的模糊聚类算法

5 K9 F, _1 @: N摘要:本文通过集成多次FCM(Fuzzxy C-Means)聚类结果以及采用软化分方式,提出一种新的自动确定聚类个数的模糊聚类算法.本算法首先利用不同的聚类数目对数据进行FCM聚类,然后充分利用多次FCM聚类得到的隶属度信息构建一个累积邻接矩阵,最后采用迭代方式对累积邻接矩阵进行图切分以获取最终聚类结果.大量的仿真实验表明,相对现有集成聚类方法,本文方法能够有效减少FCM的聚类次数,并且在图切分过程中的迭代次数为现有方法的1/2左右.
4 N4 Z* K/ j/ f! b0 ~  H' j关键词:模糊聚类;FCM算法;图切分
. `1 n9 s/ x9 G$ D) B* s+ G% M+ l
7 k% b$ I2 A- }( B1引言
: U: j7 r& l$ c* \! q* ^数据聚类是指将一个数据集划分成多个数据子集,并且处于同一数据子集的数据样本间具有较大的相似度,而处于不同子集数据间样本的相似度较小1 ~3].聚类是进行有效数据挖掘的一项重要研究方法,在图像分割、模式识别、计算机视觉等领域中有着十分广泛的研究与应用1~13].
" @) w, I7 I7 E9 S3 O根据数据在聚类中的集聚规则及应用这些规则的方法,可以将聚类分为四类12]:层次化聚类算法、划分式聚类算法、基于密度的聚类算法和基于网格的聚类算法.其中划分式聚类算法因其具有简单、有效等特性而得到了广泛地研究与应用1~17].典型的划分式聚类算法有K-Means算法、K-Medoid算法、FCM算法等[12].前两种算法属于硬划分聚类方法,后一种算法属于软划分聚类方法.由于引入了模糊信息,FCM 算法得到了更为广泛地关注.
; X4 V; D; ]3 ?5 P7 x为完成准确聚类,传统FCM 算法需要事先指定聚类个数.如在图像分割领域,由Cai 等人提出的结合局部信息的快速和鲁棒的模糊聚类算法(FGFCM) [5]、由

! T# X3 f7 Q9 {/ V+ t
5 j1 U4 H$ H2 }; ~' u: d

游客，如果您要查看本帖隐藏内容请回复

$ I2 H1 ?, O' B" ~
9 `/ c$ K6 B0 t0 _( B8 X

xiaogegepcb

自动确定聚类个数的模糊聚类算法