基于改进马氏距离的模糊C聚类研究  

A fuzzy C-means clustering algorithm based on improved Mahalanobis distance

作　　者：赵小强[1] 李雄伟[1] 

机构地区：[1]兰州理工大学电气工程与信息工程学院,甘肃兰州730050

出　　处：《中南大学学报（自然科学版）》2013年第S2期195-198,共4页Journal of Central South University:Science and Technology

基　　金：甘肃省高校基本科研业务费项目省财政厅项目(1203ZTC061);甘肃省制造业信息化工程技术研究中心开放基金资助项目(1112RJZA028)

摘　　要：提出一种基于改进马氏距离的模糊C聚类算法,先通过对数据集进行加权,然后对数据的马氏距离进行协方差处理。研究结果表明:该方法可以对高相关属性的数据集进行有效分类,能降低分错率,该方法具有可行性和有效性。A fuzzy C-means clustering algorithm based improved Mahalanobis distance was proposed.The datasets were weighted and then covariances of Mahalanobis distance were calculated.The results show that the method can effectively cluster for datesets of high correlation and reduce error probability.The method has effectiveness and feasibility.

关 键 词：模糊C均值 高相关属性 马氏距离 协方差矩阵 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]