判别模糊c-均值聚类算法  

Discriminative fuzzy c-means clustering algorithm

作　　者：支晓斌[1] 田溪[2] 

机构地区：[1]西安邮电大学理学院,陕西西安710121 [2]西安邮电大学通信与信息工程学院,陕西西安710121

出　　处：《西安邮电大学学报》2013年第5期26-30,共5页Journal of Xi’an University of Posts and Telecommunications

基　　金：陕西省教育厅专项科学研究基金资助项目(2012JK1008);西安邮电大学青年教师科研基金资助项目(ZL2010-25)

摘　　要：针对判别硬c-均值聚类(Discriminative Hard c-means,DHCM)算法存在对大样本数据聚类速度慢的问题,提出判别模糊c-均值(Discriminative Fuzzy c-means,DFCM)算法,即用DHCM中提出的核函数将原数据空间映射到特征空间后,再在特征空间使用模糊聚类算法实现数据聚类,并利用选取代表元的方法提高DFCM对大样本数据的执行效率。通过对真实数据的对比性实验可以验证DFCM的有效性。The discriminative hard c-means （DHCM） algorithm has a slow operating speed on large-sample data. A discriminative fuzzy c-means（DFCM）algorithm is proposed by using the idea of kernel fuzzy clustering and the kernel function of DHCM. Data in the original space are mapped to a high-dimensional feature space by using the kernel function of DHCM, and data are clustered by using the fuzzy clustering algorithm in feature space. The efficiency of DFCM on large-sample data is improved by using the method of selecting representatives. The effectiveness of DFCM is demonstrated with comparative experiments on real data.

关 键 词：模糊聚类 判别聚类 核聚类 代表元 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]