基于初始聚类中心选取的改进FCM聚类算法

• 作者: 张慧哲 王坚
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 聚类 FCM聚类 目标函数 初始聚类中心 分离度
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 206-209
• 页数: 4页
• 分类号: TP311.13
• 字数: 4922字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2009.06.055

摘要

针对模糊C-均值(Fuzzy C-Means,FCM)算法聚类效果往往受到初始聚类中心影响,收敛结果易陷入局部极小的问题,提出了一种改进的模糊C均值聚类算法.算法给出了一种简洁快速的初始聚类中心的选取规则,并根据聚类中心的分离特性改进了目标函数,从而使获得的聚类结果为全局最优.仿真结果证明新算法与传统FCM方法相比,迭代次数少,准确率高,同时也更加适用于样本数据分类不均衡的聚类问题.