一种基于Huffman树的FCM聚类算法

摘要：

[目的]解决传统的FCM算法随机选取初始聚类中心、对噪声敏感、只适合均衡分布的样本聚类问题.[方法]提出一种基于Huffman树的FCM新算法,该算法设计一种高密度样本的相异度矩阵构建Huffman树并获取初始聚类中心,进而给出非归一化约束的样本隶属度函数.[结果]通过人造样本及图像数据集、UCI数据集的实验对比结果表明,算法在聚类精度、运算时间等指标上比基于高斯核FCM算法及传统FCM算法更有优势.[局限]仅凭实验或经验确定样本密度调节因子β,尚缺乏理论依据.[结论]本研究在现实生活中对含有大量噪声样本及样本分布非均衡的数据集聚类有一定的实际应用价值.

关键词：样本密度、相异度、Huffman树、隶属度

所属期刊栏目：2

分类号：TP391;G35(计算技术、计算机技术)

资助基金：2018年湖南省自然科学基金项目“非归一化约束下模糊C均值聚类及其在图像处理中的应用研究”2018JJ4068;2016年湖南省教育厅科研项目“基于数据融合的网络态势感知技术研究”项目16C0480的研究成果之一

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：81-88