基于密度峰值优化的模糊C均值聚类算法

• 作者: 刘沧生 许青林
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模糊C均值聚类 密度峰值 密度聚类 自适应
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 153-157
• 页数: 5页
• 分类号: TP181
• 字数: 4745字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1703-0228

摘要

针对传统模糊C均值聚类算法和基于K-means++优化聚类中心的模糊C均值算法存在初始聚类中心敏感、聚类速度收敛慢、聚类算法需要人为给定聚类数目等缺陷,受密度峰值聚类算法(Clustering by Fast Search and Find of Density Peaks,CFSFDP)的启发,提出了基于密度峰值算法优化的模糊C均值聚类算法,自适应产生初始聚类中心,确定聚类数目,并优化算法收敛过程.实验结果表明,改进后的算法与传统模糊聚类C均值算法相比能够准确地得到簇的数目,性能有明显的提高,并加快算法的收敛速度,达到相对更好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许青林	广东工业大学计算机学院	20	102	5.0	10.0
2	刘沧生	广东工业大学计算机学院	2	21	1.0	2.0