基于Canopy的KFCM聚類優(yōu)化算法

打開(kāi)文本圖片集

摘要：在以模糊集為理論支持的聚類算法中，KFCM（kernel fuzzy c-means clustering）是一種對(duì)核函數(shù)進(jìn)行優(yōu)化的模糊聚類算法。KFCM算法需要人為指定數(shù)據(jù)的分類個(gè)數(shù)，對(duì)數(shù)據(jù)噪聲敏感會(huì)降低其性能，且類邊緣數(shù)據(jù)點(diǎn)相互影響會(huì)導(dǎo)致分類錯(cuò)誤。針對(duì)這些問(wèn)題，該文提出一種改進(jìn)的C-KFCM模糊算法，先用Canopy粗聚類算法給出數(shù)據(jù)集大致的分類數(shù)，接著在聚類部分使用KFCM算法。（剩余11964字）