一种具有影响力因子的硬聚类算法  

Study on influence of effectiveness factor in HCM algorithm

作　　者：王建锋[1] 金健[2] 王晶晶 

机构地区：[1]上海电力学院计算机科学与技术系,上海200090 [2]华东师范大学计算机科学与技术系,上海200062 [3]上海西渡学校,上海201401

出　　处：《计算机工程与应用》2009年第19期177-180,共4页Computer Engineering and Applications

基　　金：国家重点基础研究发展规划(973)(No.2002CB312001);上海市科委项目(No.065115023)~~

摘　　要：为解决传统聚类方法对不同规模类不能正确聚类的问题,探讨了带影响力因子的硬聚类方法。为每个类均赋予一个影响力因子,使样本的隶属关系不只受距离的影响,而且受类的规模的影响。通过对18个数据集的实验,证明该方法的可行性,并且观察了影响力因子的取值对收敛过程和算法产生结果的影响,提出了今后的工作重点。Focusing on the equalization in cluster size using traditional clustering method, Hard C-Means（HCM） algorithm with effectiveness factors is discussed.Assigning an effectiveness factor for each of the clusters,leading to the membership relations between samples affected not only by distances,but scales.Testing on 18 datasets verifies the feasibility of this method.Effects on convergence process and algorithm results caused by the effectiveness factor are observed,and the future emphasis is suggested.

关 键 词：聚类 硬聚类算法 模糊C均值算法 影响力因子 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]