改进的模糊C-均值聚类算法研究  

Research on modified fuzzy C-means clustering algorithm

作　　者：齐淼[1] 张化祥[1] 

机构地区：[1]山东师范大学信息科学与工程学院,济南250014

出　　处：《计算机工程与应用》2009年第20期133-135,共3页Computer Engineering and Applications

基　　金：山东省中青年科学家科研奖励基金(博士基金)(No.2006BS01020);山东省高新技术自主创新工程专项计划(No.2007ZZ17);山东省自然科学基金No.Y2007G16;山东省科技攻关计划No.2008GG10001015;山东省教育厅科技计划项目No.J07YJ04~~

摘　　要：为解决模糊C-均值(FCM)聚类算法对噪声和孤立点数据敏感、样本分布不均衡的问题,提出了具体的改进和提高的方法:改进隶属度函数,以消除孤立点对聚类结果的影响;为每个样本点赋予一个定量的权值,以区分不同的样本点对于知识发现的不同作用,改善噪音和分布不均衡的样本集的聚类结果。实验结果表明该算法具有更好的健壮性和聚类效果。The fuzzy C-means clustering algorithm has the shortages including its sensitivity for data of outlier and noise and its distributed imbalanced samples,this paper presents an improved algorithm：By improving the subject function,the impacts of outlier are eliminated,and in order to differentiate the different effects of different samples for knowledge discovery,every sample holds a quantificational weight to improve clustering results of noise and distributed imbalanced samples.The experimental results show that the modified algorithm is more robust and has higher clustering accuracy.

关 键 词：模糊C-均值 权值 聚类 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]