|
|||||
|
|
| 隐隶属度模糊c均值聚类算法 | |
| 作者单位： | ;1.常州工学院理学院;2.苏州大学计算机学院;3.江苏大学计算机科学与通信工程学院 |
| 摘 要： | 针对基于粒子群的模糊聚类算法运算效率较低的问题,提出隐隶属度模糊c均值聚类算法HMFCM(hidden-membership fuzzy c-means clustering)。HMFCM算法将FCM模糊隶属度迭代公式代入FCM目标函数中约简,得到无模糊隶属度的HMFCM目标函数,并利用PSO算法对聚类中心进行编码寻优,最后利用样本与聚类中心距离进行类别判决。HMFCM算法无需计算样本模糊隶属度,降低了聚类算法复杂度,提高了算法的计算效率及精度,而且该方法可以推广到其他基于生物寻优的聚类算法。通过仿真实验验证了所提出算法的有效性和时效性。 |
| 关 键 词： | 模糊c均值聚类 隐隶属度 粒子群算法 目标函数 算法复杂度 |
HIDDEN-MEMBERSHIP FUZZY C-MEANS CLUSTERING ALGORITHM |
|
| Abstract: | |
| Keywords: | |
