Parzen窗确定系数的协同模糊C均值算法

• 作者: 刘付显 李龙跃 赵慧珍
• 来源期刊: 重庆邮电大学学报(自然科学版)
• 学科: 工学
• 关键词: Parzen窗 密度 模糊C均值 协同系数
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 272-278
• 页数: 7页
• 分类号: TP391.3
• 字数: 5044字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2017.02.020

摘要

协同模糊C均值(collaboration fuzzy C-means,CFC)算法的协同系数通常根据经验人工设定,且在协同过程中保持不变,不能充分利用数据子集之间的协同关系,算法精度有限.提出Parzen窗确定系数的协同模糊C均值(βp-CFC)算法.用模糊C均值(fuzzy C-means,FCM)算法求出各数据子集的隶属度和聚类中心,再用Parzen窗求出各子集在聚类中心处的密度,根据子集间密度的相关性设定变化的协同系数,利用变化的协同系数进行协同聚类.以Matlab为平台,对βp-CFC算法进行了实验,算法聚类准确率可达到80.34%,比模糊C均值算法、固定系数的CFC算法的准确率分别高出11.80%和3.94%.实验证明,βp-CFC算法较为合理,聚类性能较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘付显	空军工程大学防空反导学院	134	649	12.0	19.0
2	李龙跃	空军工程大学防空反导学院	30	111	6.0	8.0
3	赵慧珍	空军工程大学防空反导学院	10	28	4.0	5.0