抑制式模糊C均值聚类惩罚因子的改进

• 作者: 肖哲 肖满生
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 抑制式模糊C均值 惩罚因子 模糊隶属度 快速收敛
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 先进计算
• 页码范围: 2427-2431
• 页数: 5页
• 分类号: TP391.4
• 字数: 5876字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.09.2427

摘要

针对传统模糊C均值(FCM)算法在聚类过程中存在收敛速度慢、对大数据处理实时性不强等问题,提出了一种基于惩罚因子的样本隶属度改进算法.首先分析抑制式模糊C均值(SFCM)聚类特点,研究惩罚因子对样本隶属度修正的触发条件,进而设计出基于惩罚因子的SFCM聚类隶属度动态修正算法.通过算法实现样本向“两极移动”,达到快速收敛之目的.理论分析与实验结果表明,在相同的初始化条件下,改进算法的执行时间效率比传统FCM算法提高约40％,比基于优化选择的SFCM(OS-SFCM)算法提高10％,其聚类准确度与其他两种算法相比也有一定的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖满生	湖南工业大学科技学院	37	225	7.0	14.0
5	肖哲	湖南工业大学科技学院	12	52	3.0	7.0