核参数优化选取的混合C均值核模糊聚类算法

作     者：江南 王士同 贺杨成 JIANG Nan;WANG Shi-tong;HE Yang-cheng

作者机构：江南大学数字媒体学院江苏无锡214122 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2011年第32卷第9期

页      面：3148-3152页

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：国家863高技术研究发展计划基金项目(2007AA1Z158) 国家自然科学基金项目(60704047) 国家自然科学基金重大研究计划基金项目(9082002) 

主　　题：核 模糊聚类 模式识别 可能性 混合 

摘      要：为了减小噪声点对聚类中心的影响,可能性聚类算法(PCM)把可能隶属关系引入到聚类的过程中,但是其往往趋向找到相同的集群。PFCM算法同时利用隶属度与可能性把数据点划分到不同的集群中,提高了算法的抗噪能力,但PFCM算法对发现大小不相等的集群并不十分理想。针对上述问题,提出了一种核参数优化选取的混合C均值核模糊聚类算法,该算法通过利用优化选取核参数的核函数把在原始空间中非线性可分的群体转化成高维空间中同质集群。实验结果表明,该算法能更好地发现融入噪音数据集的聚类中心,获得数据集质量更好的划分。