基于初始聚类中心选取的改进FCM聚类算法

摘要：

针对模糊C-均值(Fuzzy C-Means,FCM)算法聚类效果往往受到初始聚类中心影响,收敛结果易陷入局部极小的问题,提出了一种改进的模糊C均值聚类算法.算法给出了一种简洁快速的初始聚类中心的选取规则,并根据聚类中心的分离特性改进了目标函数,从而使获得的聚类结果为全局最优.仿真结果证明新算法与传统FCM方法相比,迭代次数少,准确率高,同时也更加适用于样本数据分类不均衡的聚类问题.

关键词：聚类、FCM聚类、目标函数、初始聚类中心、分离度

所属期刊栏目：36

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家"863"计划基金资助项目2003AA414120.国家科技支撑计划项目2006BAF01A46;国家"863"计划基金资助项目2003AA414120;上海市社会发展重大专项项目06DZl2001;上海市基础研究重点项目06JC14066;上海市科技发展基金重点项目061612058;上海市登山行动计划项目061111006

在线出版日期：2009-06-30（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：206-209