簇间可分的鲁棒模糊C均值聚类算法

• 作者: 杨程宇 潘金艳 王志豪 罗斯哲 高云龙
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 聚类 模糊C均值 样本分布 簇间信息
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 论文
• 页码范围: 1114-1121
• 页数: 8页
• 分类号: TP311.13
• 字数: 4527字
• 语种: 中文
• DOI: 10.11999/JEIT180604

摘要

与经典的K均值聚类算法相比,模糊C均值(FCM)聚类算法通过引入模糊因子,考虑不同聚类数据簇之间的相互关系,得到可分性更好的聚类结果.但是模糊因子的引入,使得任意一个样本点都存在模糊性,造成FCM极易受到噪声和离群点的影响,聚类结果泛化性能较差.因此,该文提出一种簇间可分的鲁棒FCM算法(RBI-FCM).RBI-FCM利用K均值算法对模糊隶属度的稀疏特征,降低不同数据簇之间的相互作用,突出不同数据簇相邻区域的可分性;另外,RBI-FCM在极小化数据簇内部散布度的条件下,考虑不同数据簇之间的可分性,可提高聚类模型的泛化性能.该文设计了有效的模型求解迭代算法.实验结果表明,RBI-FCM算法提高了FCM的鲁棒性,有效降低FCM对数据簇分布差异性和抽样不均衡的敏感性,得到理想的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘金艳	集美大学信息工程学院	14	30	3.0	4.0
2	高云龙	厦门大学航空航天学院	8	59	2.0	7.0
3	杨程宇	厦门大学航空航天学院	1	2	1.0	1.0
4	王志豪	厦门大学航空航天学院	5	7	2.0	2.0
5	罗斯哲	厦门大学航空航天学院	2	2	1.0	1.0