| 改进的模糊C均值聚类算法 |
| |
| 引用本文： | 刘坤朋,罗可. 改进的模糊C均值聚类算法[J]. 计算机工程与应用, 2009, 45(21): 97-98. DOI: 10.3778/j.issn.1002-8331.2009.21.028 |
| |
| 作者姓名： | 刘坤朋 罗可 |
| |
| 作者单位： | 长沙理工大学,计算机通信与工程学院,长沙,410076;长沙理工大学,计算机通信与工程学院,长沙,410076 |
| |
| 基金项目： | 国家自然科学基金，湖南省科技计划项目，湖南省教育厅重点项目 |
| |
| 摘 要： | 把自适应的策略与传统的模糊C均值聚类算法结合起来，形成新的模糊聚类算法。在不影响收敛速度的情况下，它能够很好解决局部最优以及对初始值敏感的问题。以UCI机器学习数据库中的两组数据集为研究对象，实验结果表明，它的精确度与自适应免疫聚类算法相当，能够得到准确的簇的数目，并且它的收敛速度更快，这对于如今网络数据的高速变化来说，该方法显得更为重要。
|
| 关 键 词： | 模糊C均值聚类 自适应 簇的调整 |
| 收稿时间： | 2008-04-28 |
| 修稿时间： | 2008-7-28 |
Improved fuzzy C-means clustering algorithm |
| |
| LIU Kun-peng,LUO Ke. Improved fuzzy C-means clustering algorithm[J]. Computer Engineering and Applications, 2009, 45(21): 97-98. DOI: 10.3778/j.issn.1002-8331.2009.21.028 |
| |
| Authors: | LIU Kun-peng LUO Ke |
| |
| Affiliation: | College of Computer and Communication Engineering，Changsha University of Science & Technology，Changsha 410076，China |
| |
| Abstract: | Self-adaptive strategy with the traditional fuzzy C-means clustering algorithm forms a new fuzzy clustering algorithm.Without prejudice to the speed of convergence,it can resolve the problems of local optimal and sensitivity to initial values.With the two data sets in the database of UCI machine learning for the study,the experimental results indicate that it does not lose the precision to the adaptive immune clustering algorithm.The number of clusters is accurate and its faster convergence is more importan... |
| |
| Keywords: | fuzzy C-means clustering self-adaptive cluster adjustment |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
