基于核的模糊C均值聚类算法的收敛性定理  

A Convergence Theorem of Kernel Based Fuzzy c-Means Clustering Algorithm

作　　者：曲福恒[1] 胡雅婷[2] 马驷良 苑丽红[1] 孙爽滋[1] 

机构地区：[1]长春理工大学计算机科学与技术学院,长春130022 [2]吉林农业大学信息技术学院,长春130118 [3]占林大学数学研究所,长春130012

出　　处：《吉林大学学报（理学版）》2011年第6期1079-1086,共8页Journal of Jilin University:Science Edition

基　　金：国家自然科学基金(批准号:10926157);国家“十一五”科技支撑计划项目(批准号:2009BAE69B01);吉林农业大学科研启动基金(批准号:201135)

摘　　要：利用Zangwill收敛性定理,证明了基于核的模糊c均值聚类算法(KFCM)的收敛性.结果表明,当核函数在给定数据集上诱导的距离矩阵满足一定条件时,KFCM算法产生的迭代序列收敛或至少存在一个子序列收敛于KFCM聚类模型目标函数的局部极小值点或鞍点.The convergence of the kernel based fuzzy c-means clustering algorithm （KFCM） was established by applying the Zangwill＇ s convergence theorem. The result shows that when the distance matrix induced by kernel function satisfies the given conditions, the iteration sequence produced by the KFCM algorithm terminates at a local minimum or a saddle point, or at worst, contains a subsequence which terminates at a or saddle point of the objective function of the KFCM clustering model.

关 键 词：聚类分析 模糊C均值 核函数 收敛性 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]