可能性模糊C-均值聚类新算法

作     者：武小红 周建江 WU Xiao-hong;ZHOU Jian-jiang

作者机构：江苏大学电气信息工程学院江苏镇江212013 南京航空航天大学信息科学与技术学院江苏南京210016 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2008年第36卷第10期

页      面：1996-2000页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：总装"十一五"国防预研基金(No.513030401) 四川省教育厅资助科研项目(No.07ZC023) 

主　　题：模糊聚类 模糊C-均值聚类 可能性C-均值聚类 可能性模糊C-均值聚类 

摘      要：模糊C-均值聚类(FCM)对噪声数据敏感和可能性C-均值聚类(PCM)对初始类中心非常敏感易导致一致性聚类.可能性模糊C-均值聚类(PFCM)综合了FCM和PCM算法并且克服了这些缺点.但是PFCM必须先运行FCM来计算参数.提出一种新的PCM算法,新的PCM算法利用协方差矩阵来计算参数衡量了数据集的紧凑程度且无须先运行FCM,在新的PCM和FCM基础上提出了新PFCM算法,该算法无须事先运行FCM以计算参数,减少了算法运算时间.对数据集的测试实验结果表明了提出的新算法能同时产生模糊隶属度和典型值,减少聚类时间,同时具有更好的分类准确率.