基于K近邻隶属度的聚类算法研究

摘要：

经典模糊C均值聚类算法(FCM)基于欧氏距离,存在不同规模类簇不能正确聚类问题,针对此问题提出一种基于K近邻隶属度的模糊C均值聚类算法(KNN FCM).讨论了基于K近邻隶属度的粗糙C均值聚类算法(KNN_RCM)和粗糙模糊C均值聚类算法(KNN_RFCM),此方法避免了传统粗糙C均值聚类算法(RCM)和粗糙模糊C均值聚类算法(RFCM)中阈值选择问题.将KNN FCM、KNN_RCM、KNN RFCM分别与FCM、RFM、RFCM在UCI数据集上进行仿真比较,结果表明新方法是可行、有效的.

关键词：K近邻隶属度、聚类、模糊C均值、粗糙C均值、粗糙模糊C均值

所属期刊栏目：52

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金7137101l;安徽省高等学校省级自然科学研究重点项目KJ2013A033;安徽大学研究生学术创新研究项目

在线出版日期：2016-07-13（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：55-58,117