聚类有效性研究

在对现有各种聚类有效性函数进行深入分析的基础上，提出了一种改进的聚类有效性函数，通过引入模拟退火机制，以获得最佳聚类结果。与其他经典的聚类有效性函数相比，改进后的聚类有效性函数一方面避免了单调性，另一方面又与数据集合本身的特征相关。仿真实验表明了其有效性。     

模糊相关度与聚类有效性

基于数据集的几何结构,引入数据集的模糊划分的类间相关度．依据类间相关度,定义了一个聚类有效性函数．通过人造数据和实际数据对该聚类有效性函数的性能进行了实验．     

应用聚类有效性函数指导数据分类算法的研究

研究了应用聚类有效性函数指导数据分类的算法,指出文[6]中算法的不足并对其进行了修改。实验结果表明,修改后的算法是可行的。     

基于样本最大分类信息的聚类有效性函数

根据每一样本的最大分类信息,对Bezdek定义的划分系数进行修改,提出了一个新的聚类有效性函数,讨论了该函数的若干性质.实验结果表明在某些情形该函数的判决效果优于划分系数.     

基于模糊c均值算法文档聚类问题的研究

应用模糊C均值算法对文档进行分类,具有不使用语法知识、不使用词法规则、无监督等特点.采用模糊c均值算法对文档进行聚类,实验结果表明:该方法优于普通的聚类算法,聚类结果能充分体现文本的多样性.     

基于粒子群的模糊聚类算法研究

利用模糊c均值（FCM）算法是一种最流行的模糊聚类的方法,因为它的效率,计算简单,容易实现.但是针对FCM对初始化敏感和易陷入局部最优解,在本文出了一种基于粒子群算法的模糊聚类.仿真实验结果表明了该方法对有效性和全局性优化.     

自适应的模糊C均值聚类算法

针对模糊C均值聚类算法对聚类数预先不可知的缺陷,提出了自适应的模糊C均值聚类算法,该算法利用已有的有效性函数自动确定聚类数目,继而进行模糊聚类,实验表明,该方法无须人工的干预,并且具有良好的有效性和可行性．     

基于改进模糊均值聚类算法的遥感图像聚类

由于传统模糊C均值聚类算法存在缺陷,该文给出了一种结合加权模糊C均值聚类与聚类有效性指数的算法.利用数据点的密度大小作为权值,借助数据本身的分布特性,该方法不仅在一定程度上克服了模糊均值算法的缺陷——有对数据集进行等划分的趋势,而且具有良好的收敛性.     

模糊C-均值聚类算法改进研究

通过对模糊C-均值聚类算法的研究,用遗传算法的相关知识对其进行优化与改进.并使用著名的IRIS数据集分别对传统的模糊C-均值聚类算法和用遗传算法改进后的模糊C-均值聚类算法进行测试、比较.实验结果表明,用遗传算法改进后的模糊C-均值聚类算法比传统的模糊C-均值聚类算法更加准确、高效.这将为以后的聚类分析研究工作提供一定的帮助.     

抑制式模糊C-均值聚类研究综述

模糊C-均值聚类及其各种变形和推广在实际应用中取得了巨大成就,获得了国际学者的广泛认可。目前,国际上形成了以硬C-均值聚类、模糊C-均值聚类、可能性C-均值聚类为基础的三大聚类算法簇。抑制式模糊C-均值聚类算法架起了连接硬C-均值聚类算法和模糊C-均值聚类算法的一个桥梁,本文就抑制式模糊C-均值聚类的研究现状进行综述,以期对该算法的更深入研究和应用起到推动作用。     

基于随机初始中心的FCM算法及其应用

文章提出了一种优化中心点的FCM算法,指出了对随机初始中心先使用融合模拟退火算法思想的模糊逻辑神经元网络算法收敛聚类中心到最优值附近,然后使用FCM聚类算法聚类,并进行了实际应用。     

一种新的模糊聚类有效性指标的验证

根据Vcso-new对Vcso有效性指标的改进思想,对分离度进行了新的定义,并提出了一种新的模糊聚类有效性指标,理论证明和实验分析说明了该有效性指标的可靠性。     

基于数据划分最大信息的聚类有效性函数

基于样本最大分类信息的改进划分系数仅仅利用了数据的模糊分类信息,为了将数据分类的几何结构信息考虑进去,结合数据分类的最大内变差,提出一个聚类有效性标准。实验结果表明,该方法具有良好的分类性能。     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用 .然而模糊控制规则的获取通常由专家根据经验给出 ,这就存在诸如规则不够客观、专家经验难以获取等问题 .作者给出一种基于聚类有效性神经网络的模糊规则提取的新方法 .该方法采取对训练样本预划分子集聚类 ,模糊语言量的自动确定 ,模糊隶属度函数自适应调整等策略 ,克服了以往规则提取法在训练样本不充分时 ,规则提取不足及规则数目难以确定等缺点 ,并结合神经网络技术使所提取的控制规则的质量得到提高 ,改善了模糊控制器的性能 .最后 ,以倒车系统为例证明了该方法的有效性     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用．然而模糊控制规则的获取通常由专家根据经验给出，这就存在诸如规则不够客观，专家经验难以获取等问题．为此，本文给出一种其于聚类有效性神经网络的模糊规则提取的新方法．该方法采取了对训练样本预划分子集聚类，模糊语言量的自动确定，模糊隶属度函数自适应调整等策略，克服了以往规则提取法在训练样本不充分时，规则提取不足及规则数目难以确定等缺点，并结合神经网络技术使所提取的控制规则的质量得到提高，改善了模糊控制器的性能，最后，以倒车系统为例证明了该方法的有效性．     

模糊-超图聚类模型在土地评价中的应用研究

针对具体的土地评价问题，构建结构清晰、具有可靠性的土地评价的超图数据聚类模型，应用改进的聚类算法，设计聚类的有效性评价指标。并通过实例验证该方法在城镇土地定级中聚类结果的有效性和准确性。     

基于减法聚类与聚类有效性评判的FCM聚类

提出了一种基于减法聚类和聚类有效性评判的FCM聚类算法,依靠减法聚类来确定聚类数目的上限,并且在搜索最佳聚类数copt时,不需要进行重复的初始化工作,从而提高聚类的效率.