基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
FCM算法对初始聚类中心敏感,对噪声和孤立点敏感,容易受到数据分布的影响。本文的改进算法引入物理学上的数据场理论,用势函数来描述数据的分布,优化初始聚类中心;同时采用冗余聚类中心的方法,即将大簇分割成多个小类,再用分离度作为评估函数进行类合并。仿真实验结果表明,改进算法能够克服FCM算法的一些缺陷,对数据分布不规则的数据集进行有效聚类,聚类效果良好。
推荐文章
一种改进的基于FCM的目标跟踪数据关联算法
目标跟踪
数据关联
隶属度
模糊聚类
基于改进蝙蝠算法优化的FCM聚类算法
FCM聚类算法
蝙蝠算法
混沌映射
样本加权
特征加权
FCM聚类算法的改进
密度函数
模糊C均值聚类
数据集精简
初始化
基于形态学重建改进的FCM算法
图像分割
形态学重建
模糊c均值算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于数据场的 FCM 改进算法
来源期刊 计算机与现代化 学科 工学
关键词 聚类 FCM算法 数据场 初始聚类中心
年,卷(期) 2014,(6) 所属期刊栏目 算法设计与分析
研究方向 页码范围 94-97
页数 4页 分类号 TP18
字数 3587字 语种 中文
DOI 10.3969/j.issn.1006-2475.2014.06.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何熊熊 浙江工业大学信息工程学院 49 267 11.0 13.0
2 王丽红 浙江工业大学信息工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (123)
参考文献  (9)
节点文献
引证文献  (2)
同被引文献  (21)
二级引证文献  (12)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(6)
  • 参考文献(2)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(6)
  • 参考文献(2)
  • 二级参考文献(4)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(3)
  • 二级参考文献(1)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
聚类
FCM算法
数据场
初始聚类中心
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导