基于属性权重的Fuzzy C Mean算法

被引：45

作者：

王丽娟 ^{[1
]}

关守义 ^{[2
]}

王晓龙 ^{[1
]}

王熙照 ^{[3
]}

机构：

[1] 哈尔滨工业大学计算机科学与技术学院

[2] 河北师范大学学位办公室

[3] 河北大学数学与计算机学院

来源：

计算机学报 | 2006年 / 10期

关键词：

梯度递减算法; FuzzyCMean算法; 属性权重学习算法; 聚类有效性函数;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

提出CF-WFCM算法,该算法分为属性权重学习算法和聚类算法两部分.属性权重学习算法,从数据自身的相似性出发,通过梯度递减算法极小化属性评价函数CFuzziness(w),为每个属性赋予一个权重.将属性权重应用于Fuzzy C Mean聚类算法,得到CF-WFCM算法的聚类算法.CF-WFCM算法强化重要属性在聚类过程中的作用,消减冗余属性的作用,从而改善聚类的效果.我们选取了部分UCI数据库进行实验,实验结果证明:CF-WFCM算法的聚类结果优于FCM算法的聚类结果.函数CFuzziness(w)不仅可以评价属性的重要性,而且可以评价属性评价函数的优劣.实验说明了这一问题.最后我们对CF-WFCM算法进行了讨论.

引用

页码：1797 / 1803

页数：7