紧邻类与小类数据集下的模糊聚类有效性指标

• 作者: 周世兵 耿嘉艺 钱雪忠
• 来源期刊: 计算机应用研究
• 关键词: 模糊C-均值 聚类有效性 最佳聚类数 模糊度
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2651-2655
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.04.0117

摘要

模糊聚类有效性指标主要是为了解决模糊C-均值算法需要事先给定最佳聚类数的缺陷,但是现有的大多数模糊聚类有效性指标一般过于依赖聚类质心,使得这类指标在含有紧邻类与大小、密度差异大的数据集上无法准确地判断最佳聚类数.为了缓解这个问题,提出了新聚类有效性指标WS.WS指标在一定程度上考虑了最大最小隶属度法则与模糊集偏差,从而全面展示了数据集的整体信息.在人工与真实数据集上,评估WS指标与现有一些指标的有效性,新指标展现出了较高的准确性.在不同的模糊度下,WS指标表现出了较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱雪忠		92	741	15.0	22.0
2	周世兵		22	511	8.0	22.0
3	耿嘉艺		2	4	1.0	2.0