基于模糊相关度的模糊C均值聚类加权指数研究

计算机应用 ›› 2010, Vol. 30 ›› Issue (12): 3388-3390.

基于模糊相关度的模糊C均值聚类加权指数研究

肖满生¹,阳娣兰²,张居武²,唐文评²

1. 湖南工业大学
2.

收稿日期:2010-06-02 修回日期:2010-07-18 发布日期:2010-12-22 出版日期:2010-12-01
通讯作者: 肖满生
基金资助:
湖南省教育厅科研项目基金;湖南省科技厅科技计划项目

Research of weighting exponent of fuzzy C-means algorithm based on fuzzy relevance

Received:2010-06-02 Revised:2010-07-18 Online:2010-12-22 Published:2010-12-01
Contact: Mansheng Xiao

摘要/Abstract

摘要： 在极小化模糊C均值（FCM）聚类目标函数的过程中，针对目前模糊加权指数m的确定缺乏理论依据和有效评价方法的问题，提出了一种基于模糊相关度的模糊加权指数计算方法。首先定义模糊相关度的聚类有效性函数，然后通过Gauss迭代计算FCM聚类有效性并将其反馈到模糊加权指数的变化中，从而使m收敛到一个稳定的最优解。理论分析和实验结果表明，该算法是有效的，所得到加权指数m符合预期的结果。

关键词: 模糊加权指数, 模糊C均值, 聚类有效性, 模糊相关度

Abstract: In the process of minimization Fuzzy C-Means (FCM) clustering objective function, to solve the problem of lacking theoretical foundation and effective evaluation methodology in determining fuzzy weighted exponent "m" at present, a fuzzy weighted exponent algorithm based on fuzzy relevance was put forward. Firstly, valid function was defined based on Fuzzy relevance, then the validity of FCM clustering was calculated by Gauss iteration and its result was returned to the change of fuzzy weighted exponent, the fuzzy weighted exponent "m" will be converged to a stable optimum resolution. This algorithm is proved to be effective by theoretical analysis and experiments, and the weighted exponent "m" got from this algorithm conforms to prospective result.

Key words: fuzzy weighting exponent, Fuzzy C-Means （FCM）, clustering validity, fuzzy relevance

肖满生阳娣兰张居武唐文评. 基于模糊相关度的模糊C均值聚类加权指数研究[J]. 计算机应用, 2010, 30(12): 3388-3390.

[1]	黄天宇, 李远兴, 陈昊, 郭紫佳, 魏明军. 地空协同场景下加权模糊聚类用户簇划分方法[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1555-1561.
[2]	石雪松, 李宪华, 孙青, 宋韬. 基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割[J]. 计算机应用, 2021, 41(8): 2312-2317.
[3]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[4]	孙建军, 徐岩. 基于加权改进模糊C均值聚类的欠定混合矩阵估计[J]. 计算机应用, 2020, 40(6): 1769-1773.
[5]	王燕, 何宏科. 基于邻域信息的改进模糊c均值脑MRI分割[J]. 计算机应用, 2020, 40(4): 1196-1201.
[6]	董发志, 丁洪伟, 杨志军, 熊成彪, 张颖婕. 基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J]. 计算机应用, 2019, 39(8): 2359-2365.
[7]	王荣淼, 张峰峰, 詹蔚, 陈军, 吴昊. 基于空间约束的模糊C均值聚类肝脏CT图像分割[J]. 计算机应用, 2019, 39(11): 3366-3369.
[8]	刘晓明, 沈明玉, 侯整风. 基于Levy飞行的萤火虫模糊聚类算法[J]. 计算机应用, 2019, 39(11): 3257-3262.
[9]	冯国政, 徐金东, 范宝德, 赵甜雨, 朱萌, 孙潇. 基于半监督模糊C均值算法的遥感影像分类[J]. 计算机应用, 2019, 39(11): 3227-3232.
[10]	戚攀, 包开阳, 马皛源. 基于模糊C均值聚类及群体智能的WSN分层路由算法[J]. 计算机应用, 2018, 38(7): 1974-1980.
[11]	熊兴隆, 杨立香, 马愈昭, 庄子波. 基于模糊C均值的低空风切变预警算法[J]. 计算机应用, 2018, 38(3): 655-660.
[12]	梁冰, 徐华. 基于改进人工蜂群的核模糊聚类算法[J]. 计算机应用, 2017, 37(9): 2600-2604.
[13]	肖满生, 肖哲. 抑制式模糊C均值聚类惩罚因子的改进[J]. 计算机应用, 2016, 36(9): 2427-2431.
[14]	李斌, 狄岚, 王少华, 于晓瞳. 基于改进核模糊C均值类间极大化聚类算法[J]. 计算机应用, 2016, 36(7): 1981-1987.
[15]	逄琳, 刘方爱. 基于层次划分的密度优化聚类算法[J]. 计算机应用, 2016, 36(6): 1634-1638.