改进的数据挖掘模糊聚类算法研究与分析

摘要：

由于传统的模糊C均值(FCM)聚类算法具有不能自动确定聚类数目、收敛速度较慢、抗噪性差、对噪声数据比较敏感等诸多缺点,研究基于相对熵约束的FCM聚类算法,加入对手抑制式方法和基于分离度和紧致度的聚类函数,有效克服上述缺点.研究结果表明:改进后的FCM算法与传统的FCM聚类算法相比,收敛速度、准确度、精确度、特异度均有提高,且具有良好的抗噪性能,并能自动确定出最佳的聚类数目.

关键词：数据挖掘、模糊C均值聚类、对手抑制式、聚类有效性函数、相对熵

所属期刊栏目：39

分类号：TP181(自动化基础理论)

在线出版日期：2018-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：36-47