| 基于减法聚类和快速紧密性函数的SF-FCM |
| |
| 引用本文： | 李洪波.基于减法聚类和快速紧密性函数的SF-FCM[J].控制与决策,2011,26(7):1074-1078. |
| |
| 作者姓名： | 李洪波 |
| |
| 作者单位： | 鲁东大学信息科学与工程学院,山东烟台,264025 |
| |
| 基金项目： | 山东省自然科学基金项目(ZR2010GM013) |
| |
| 摘 要： | 首先结合减法聚类和模糊C-均值聚类各自的优点,运用减法聚类自适应地确定模糊C-均值聚类（FCM）的初始聚类数;然后,提出了改进的紧密性函数,以此改进用于确定FCM聚类结构的有效性函数.改进后的紧密性函数将对聚类结果贡献不大的数据予以剔除,使得算法适应能力更强,执行速度更快.实验结果表明,该快速紧密性函数是有效的,而且计算速度更快.
|
| 关 键 词： | 聚类 模糊C-均值聚类 减法聚类 快速紧密性函数 自适应快速模糊C-均值聚类 |
| 收稿时间： | 2010/4/26 0:00:00 |
| 修稿时间： | 2010/11/5 0:00:00 |
SF-FCM based on fast close function and subtractive clustering |
| |
| LI Hong-bo.SF-FCM based on fast close function and subtractive clustering[J].Control and Decision,2011,26(7):1074-1078. |
| |
| Authors: | LI Hong-bo |
| |
| Affiliation: | LI Hong-bo (Information Science and Engineer College,Ludong University,Yantai 264025,China. |
| |
| Abstract: | Firstly,the advantages of subtractive clustering and fuzzy C-means clustering(FCM)are combined to automatically determine the initial number of clusters in FCM.Then,an improved close function which is used in the function of validity to determine the cluster structure of FCM is proposed.The improved close function of cluster validity index ignores the data that have a faint impact on the result of clusters and leads to a stronger adaptability and a faster calculating.The experiment results show that the imp... |
| |
| Keywords: | clustering fuzzy C-means clustering algorithm subtractive clustering fast close function self-adaptive faster fuzzy C-means |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
|
