广义可能性C均值聚类算法

• 作者: 文传军 汪庆淼
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 模糊C均值聚类 可能性C均值聚类 加权指数 模糊判决准则
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 数据挖掘
• 页码范围: 1015-1018
• 页数: 4页
• 分类号: TP391
• 字数: 2895字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.05.024

摘要

可能性C均值聚类算法(PCM)中模糊加权指标m要求大于1,通过对PCM算法的分析讨论,将PCM算法中模糊加权指标m设置为多个独立变量,且将其取值范围进行了扩展,称之为广义可能性C均值聚类(GPCM).GPCM从理论上分析了加权指标m的扩展取值范围,并利用粒子群算法(PSO)对样本模糊隶属度进行估计.GPCM算法突破了PCM算法对参数m的约束.仿真实验验证了所提算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文传军	常州工学院理学院	32	135	5.0	10.0
2	汪庆淼	苏州大学计算机学院	12	59	4.0	7.0