一种快速的广义噪声聚类算法

摘要：

为解决广义噪声聚类（GNC）算法非常依赖参数和在运行GNC算法前必须运行FCM算法以便计算参数的缺点，在GNC的目标函数和可能聚类算法（PCA）基础上，提出一种快速的广义噪声聚类（FGNC）算法。FGNC算法通过一种非参数化方法计算GNC目标函数中的参数，因而FGNC算法不依赖参数并且聚类速度快于GNC算法。对人工含噪声数据集和两个实际数据集进行仿真实验，实验结果表明FGNC算法能很好地处理含噪声数据，具有聚类中心更接近真实聚类中心，聚类准确性高，聚类时间少的优良性能。

关键词：模糊C-均值聚类、可能C-均值聚类、广义噪声聚类

分类号：TP181(自动化基础理论)

资助基金：安徽省高校省级优秀青年人才基金No.2012SQRL251；安徽省高校省级科学研究项目No.KJ2012Z302。

在线出版日期：2013-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：145-148