|
|||||
|
|
| 基于K近邻隶属度的聚类算法研究 | |
| 作者单位： | ;1.安徽大学数学科学学院 |
| 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 |
Clustering algorithm based on membership degree of K-nearest neighbor |
|
| Abstract: | |
| Keywords: | |