基于权重差异度的动态模糊聚类算法

摘要：

针对传统模糊聚类算法需提前设置参数和初始聚类中心,导致聚类结果不稳定的问题,提出一种基于权重差异度的动态模糊聚类算法.首先引入样本特征权重向量和样本间差异度的概念,对数据集分布情况进行描述,并采用新的评价指标获取候选聚类中心;然后根据最小差异度准则,对剩余样本点进行分类;最后结合Davies-Bouldin指数(DBI)评价准则对候选聚类中心做进一步筛选与合并.实验结果表明,该算法在不同测试数据集上的性能明显优于传统聚类算法,具有更高的自适应性和稳定性.

关键词：模糊聚类算法、权重向量、差异度、Davies-Bouldin指数、自适应

所属期刊栏目：57

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金61373174

在线出版日期：2019-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：574-582