一种基于隶属度优化的演化聚类算法

• 作者: 侯薇 印桂生 董红斌
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 聚类 模糊C-均值 隶属度 演化算法 混合策略
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 548-558
• 页数: 11页
• 分类号: TP18
• 字数: 6548字
• 语种: 中文

摘要

针对FCM中数据点隶属度的计算是影响算法执行效率的主要因素,提出一种新的加速FCM算法(accelerated fuzzy C-means,AFCM),用于加速FCM及基于FCM的演化聚类算法.AFCM算法采用抽样初始化操作,产生较好的初始聚类中心,对于拥有较大隶属度的数据点,通过一步k-means操作更新模糊聚类中心,同时仅更新小隶属度来达到加速FCM算法的目的.为了验证所提出方法的有效性并提高聚类算法的效率,将AFCM应用于基于演化算法的模糊聚类算法.实验表明,此方法在保持良好的聚类结果前提下,能够减少大规模数据集上聚类算法的计算时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	印桂生	哈尔滨工程大学计算机科学与技术学院	113	842	16.0	23.0
2	董红斌	哈尔滨工程大学计算机科学与技术学院	36	277	9.0	15.0
3	侯薇	哈尔滨工程大学计算机科学与技术学院	6	56	4.0	6.0