|
|
1.
抑制式模糊C均值聚类惩罚因子的改进
肖满生, 肖哲
计算机应用
2016, 36 (9):
2427-2431.
DOI: 10.11772/j.issn.1001-9081.2016.09.2427
针对传统模糊C均值（FCM）算法在聚类过程中存在收敛速度慢、对大数据处理实时性不强等问题，提出了一种基于惩罚因子的样本隶属度改进算法。首先分析抑制式模糊C均值（SFCM）聚类特点，研究惩罚因子对样本隶属度修正的触发条件，进而设计出基于惩罚因子的SFCM聚类隶属度动态修正算法。通过算法实现样本向“两极移动”，达到快速收敛之目的。理论分析与实验结果表明，在相同的初始化条件下，改进算法的执行时间效率比传统FCM算法提高约40%，比基于优化选择的SFCM（OS-SFCM）算法提高10%，其聚类准确度与其他两种算法相比也有一定的提高。
参考文献 |
相关文章 |
多维度评价
|
|
