基于一般分布区间数的不确定EFCM-ID聚类算法

• 作者: 卢欣荣 毛丁慧 毛伊敏 王嘉炜
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 不确定聚类 区间数 模糊C-均值 密度思想 竞争学习思想
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 175-181,189
• 页数: 8页
• 分类号: TP301.6
• 字数: 8376字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048566

摘要

在基于模糊C-均值(FCM)的不确定区间数聚类算法中,区间数内的点通常被假设服从均匀分布而难以表达其真实属性,聚类结果受初始聚类中心影响较大且隶属度更新速度较慢.为此,提出一种基于一般分布区间数的不确定高效区间数模糊(EFCM-ID)聚类算法.基于四分位数思想设计适用于一般分布区间数的距离度量——MQ距离,准确刻画不确定数据.结合密度思想和随机抽样策略提出初始聚类中心的优化选取方法SDCS,提升算法精度.在此基础上,利用竞争学习思想构建相对加速隶属度更新策略,减少算法的运行时间.实验结果表明,与YFCM、XFCM和ExpFCMd-ID算法相比,该算法具有较好的稳定性,并且聚类效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛伊敏	江西理工大学信息工程学院	48	203	8.0	12.0
2	毛丁慧		3	4	1.0	2.0
3	卢欣荣	江西理工大学应用科学学院	3	2	1.0	1.0
4	王嘉炜	江西理工大学信息工程学院	2	1	1.0	1.0