基于自适应权重的模糊C-均值聚类算法

• 作者: 任丽娜 秦永彬 许道云
• 来源期刊: 计算机应用研究
• 关键词: 模糊C-均值聚类算法 自适应权重 高斯距离 隶属矩阵
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2849-2851
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.08.012

摘要

针对模糊C-均值聚类算法过度依赖初始聚类中心的选取,从而易受孤立点和样本分布不均衡的影响而陷入局部最优状态的不足,提出一种基于自适应权重的模糊C-均值聚类算法.该算法采用高斯距离比例表示权重,在每一次迭代过程中,根据当前数据的聚类划分情况,动态计算每个样本对于类的权重,降低了算法对初始聚类中心的依赖,减弱了孤立点和样本分布不均衡的影响.实验结果表明,该算法是一种较优的聚类算法,具有更好的健壮性和聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许道云	贵州大学计算机科学与信息学院	125	460	12.0	16.0
2	秦永彬	贵州大学计算机科学与信息学院	63	213	8.0	10.0
3	任丽娜	贵州大学计算机科学与信息学院	2	18	1.0	2.0