基于划分的模糊聚类算法

被引：180

作者：

张敏

于剑

机构：

[1] 北京交通大学计算机与信息技术学院

[2] 北京交通大学计算机与信息技术学院北京

[3] 北京

来源：

软件学报 | 2004年 / 06期

关键词：

划分聚类; C均值; 权重指数; 熵; 隶属度函数;

D O I：

10.13328/j.cnki.jos.2004.06.008

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在众多聚类算法中,基于划分的模糊聚类算法是模式识别中最常用的算法类型之一.至今,文献中仍不断有关于基于划分的模糊聚类算法的研究成果出现.为了能更为系统和深入地了解这些聚类算法及其性质,本文从改变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类中心进行约束等几个方面,对在C-均值算法的基础上得到的基于划分的模糊聚类算法作了综述和评价,对各典型算法的优缺点进行了实验比较分析.指出标准FCM算法被广泛应用的原因之一是它对数据的比例变化具有鲁棒性,而其他类似的算法对这种比例变化却很敏感,并以极大熵方法为例进行了比较实验.最后总结了基于划分的模糊聚类算法普遍存在的问题及其发展前景.

引用

页码：858 / 868

页数：11

共 10 条

[1]

Counterexamples to convergence theorem of maximum-entropy clustering algorithm[J]. 于剑,石洪波,黄厚宽,孙喜晨,程乾生.Science in China(Series F:Information Sciences). 2003(05)

[2] 论模糊C均值算法的模糊指标 [J].

于剑 .

计算机学报, 2003, (08) :968-973

[3] 关于FCM算法中的权重指数m的一点注记 [J].

于剑 ;

程乾生 .

电子学报, 2003, (03) :478-480

[4] 模糊聚类理论发展及应用的研究进展 [J].

高新波 ;

谢维信 ;

不详 .

科学通报 , 1999, (21) :2241-2251

[5]

Possibilistic and probabilistic fuzzy clustering: unification within the framework of the non-extensive thermostatistics[J] . Michel Ménard,Vincent Courboulay,Pierre-André Dardignac.Pattern Recognition . 2003 (6)

[6] Vector quantization in DCT domain using fuzzy possibilistic c-means based on penalized and compensated constraints [J].