基于属性权重的Fuzzy C Mean算法

摘要：

提出CF-WFCM算法,该算法分为属性权重学习算法和聚类算法两部分.属性权重学习算法,从数据自身的相似性出发,通过梯度递减算法极小化属性评价函数CFuzziness(w),为每个属性赋予一个权重.将属性权重应用于FuzzyC Mean聚类算法,得到CF-WFCM算法的聚类算法.CF-WFCM算法强化重要属性在聚类过程中的作用,消减冗余属性的作用,从而改善聚类的效果.我们选取了部分UCI数据库进行实验,实验结果证明:CF-WFCM算法的聚类结果优于FCM算法的聚类结果.函数CFuzziness(w)不仅可以评价属性的重要性,而且可以评价属性评价函数的优劣.实验说明了这一问题.最后我们对CF-WFCM算法进行了讨论.

关键词：梯度递减算法、Fuzzy C Mean算法、属性权重学习算法、聚类有效性函数

所属期刊栏目：29

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60435020;60473045;河北省自然科学基金603137

在线出版日期：2006-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1797-1803