基于点密度与邻域信息的模糊C均值算法

• 作者: 吴鹏
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 聚类算法 目标函数 邻域信息 鲁棒性
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法与语言
• 页码范围: 85-88
• 页数: 4页
• 分类号: TP312
• 字数: 3644字
• 语种: 中文
• DOI: 10.11907/rjdk.172554

摘要

Fuzzy C-Means(FCM)模糊c均值聚类算法是一个应用广泛、有效的无监督聚类算法.但传统FCM算法存在对所有样本等划分的缺点,导致聚类精度不高、鲁棒性不强.针对上述问题,从整体上引入点密度关系,从局部上引入点邻域信息,用以标记每个样本点,提出基于点密度和邻域信息的模糊c均值算法(DLFCM).该算法能标记每个不同的样本,克服了FCM算法等划分的缺点,提高了算法的聚类精度和鲁棒性.人造数据集和UCI真实数据集实验验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴鹏	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0