首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于划分的模糊聚类算法
引用本文:张敏,于剑.基于划分的模糊聚类算法[J].软件学报,2004,15(6):858-868.
作者姓名:张敏  于剑
作者单位:北京交通大学,计算机与信息技术学院,北京,100044
基金项目:国家自然科学基金,教育部科学技术研究重点项目~~
摘    要:在众多聚类算法中,基于划分的模糊聚类算法是模式识剐中最常用的算法类型之一.至今,献中仍不断有关于基于划分的模糊聚类算法的研究成果出现.为了能更为系统和深入地了解这些聚类算法及其性质,本从改变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类中心进行约束等几个方面,对在C-均值算法的基础上得到的基于划分的模糊聚类算法作了综述和评价,对各典型算法的优缺点进行了实验比较分析.指出标准FCM算法被广泛应用的原因之一是它对数据的比例变化具有鲁棒性,而其他类似的算法对这种比例变化却很敏感.并以极大熵方法为例进行了比较实验.最后总结了基于划分的模糊聚类算法普遍存在的问题及其发展前景。

关 键 词:划分聚类  C均值  权重指数    隶属度函数
收稿时间:6/1/2004 12:00:00 AM

Fuzzy Partitional Clustering Algorithms
ZHANG Min and YU Jian.Fuzzy Partitional Clustering Algorithms[J].Journal of Software,2004,15(6):858-868.
Authors:ZHANG Min and YU Jian
Abstract:Fuzzy partitional clustering algorithms are widely used in pattern recognition field. Until now, more and more research results on them have been developed in the literature. In order to study these algorithms systematically and deeply, they are reviewed in this paper based on c-means algorithm, from metrics, entropy, and constraints on membership function or cluster centers. Moreover, the advantages and disadvantages of the typical fuzzy partitional algorithms are discussed. It is pointed out that the standard FCM algorithm is robust to the scaling transformation of dataset, while others are sensitive to such transformation. Such conclusion is experimentally verified when implementing the standard FCM and the maximum entropy clustering algorithm. Finally, the problems existing in these algorithms and the prospects of the fuzzy partitional algorithms are discussed.
Keywords:partitional clustering  C-means  weighting exponent  entropy  membership function
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《软件学报》浏览原始摘要信息
点击此处可从《软件学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号