基于K近邻隶属度的聚类算法研究

• 作者: 吴涛 段梦雅 马闯
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K近邻隶属度 聚类 模糊C均值 粗糙C均值 粗糙模糊C均值
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: ·大数据与云计算·
• 页码范围: 55-58,117
• 页数: 5页
• 分类号: TP301.6
• 字数: 3024字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1406-0373

摘要

经典模糊C均值聚类算法(FCM)基于欧氏距离,存在不同规模类簇不能正确聚类问题,针对此问题提出一种基于K近邻隶属度的模糊C均值聚类算法(KNN FCM).讨论了基于K近邻隶属度的粗糙C均值聚类算法(KNN_RCM)和粗糙模糊C均值聚类算法(KNN_RFCM),此方法避免了传统粗糙C均值聚类算法(RCM)和粗糙模糊C均值聚类算法(RFCM)中阈值选择问题.将KNN FCM、KNN_RCM、KNN RFCM分别与FCM、RFM、RFCM在UCI数据集上进行仿真比较,结果表明新方法是可行、有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴涛	安徽大学数学科学学院	83	794	14.0	25.0
2	段梦雅	安徽大学数学科学学院	3	20	2.0	3.0
3	马闯	安徽大学数学科学学院	7	21	2.0	4.0