模糊C-均值聚类算法的优化

摘要：

针对传统模糊C-均值聚类算法（FCM算法）初始聚类中心选择的随机性和距离向量公式应用的局限性，提出一种基于密度和马氏距离优化的模糊C-均值聚类算法（Fuzzy C-Means Based on Mahalanobis and Density， FCMBMD算法）。该算法通过计算样本点的密度来确定初始聚类中心，避免了初始聚类中心随机选取而产生的聚类结果的不稳定；采用马氏距离计算样本集的相似度，以满足不同度量单位数据的要求。实验结果表明，FCMBMD算法在聚类中心、收敛速度、迭代次数以及准确率等方面具有良好的效果。

关键词：聚类、模糊C-均值、密度函数、马氏距离、基于密度和马氏距离优化的模糊C-均值聚类(FCMBMD)算法

分类号：TP306.1(计算技术、计算机技术)

资助基金：国家自然科学基金No.61073187。

在线出版日期：2015-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：124-128