半监督FCM聚类算法目标函数研究  

Objective function of semi-supervised FCM clustering algorithm

作　　者：李春芳[1,2] 庞雅静[3] 钱丽璞[2] 高爱华[4] 

机构地区：[1]北京航空航天大学自动化科学与电气工程学院,北京100083 [2]河北体育学院网络中心,石家庄050041 [3]河北科技大学建筑工程学院,石家庄050018 [4]河北科技师范学院欧美学院,河北秦皇岛066004

出　　处：《计算机工程与应用》2009年第14期128-132,135,共6页Computer Engineering and Applications

基　　金：国家高技术研究发展计划(863)No.2004AA113040~~

摘　　要：分析了现有半监督FCM算法目标函数的物理意义和平衡系数α的选取,说明Stutz对Pedrycz目标函数的修改使半监督的物理意义更清楚,它在α=1,0时均退化为标准FCM算法,给出了修改后SS-FCM算法的交替求解过程。实验结果:(1)修改算法与Pedrycz算法有相同的半监督作用和清楚的物理解释;(2)对labeled样本采用FCM算法赋值比用随机数的收敛稳定性高;(3)优选的少量labeled样本,使用模糊协方差的SS-CFCM算法提高了聚类准确性和收敛速度。Analyze the physical interpretation of objective function of semi-supervised FCM algorithm and the coefficient α.Illustrate that Stutz＇s modification to the objective function provided by Pedrycz is more clear,and when α=1,0,the SS-FCM degrades to FCM.Provide the corresponding alternatively optimizing algorithm of SS-FCM.The experimental results show that：（1） Modified algorithm has same semi-supervised function and has more clear physical interpretation.（2）Using FCM algorithm to as-sign membership for labeled samples is better than using random number（.3）SS-FCM with fuzzy covariance and a small number of good-selected labeled samples can effectively improve the accuracy and convergence rate.

关 键 词：模糊C均值(FCM)算法 半监督聚类 目标函数 模糊协方差 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]