一种应用分治策略改进的FCM聚类算法  

Divide and conquer improved fuzzy C-means clustering method

作　　者：张思发[1] 刘汭祥 

机构地区：[1]中国地质大学(武汉)计算机学院,武汉430074

出　　处：《计算机工程与应用》2013年第22期194-196,共3页Computer Engineering and Applications

基　　金：国家自然科学基金(No.2011093051);中国博士后科学基金(No.2011M501260);湖北省自然科学基金(No.2010CDB04104)

摘　　要：传统的快速聚类算法大多基于模糊C均值算法(Fuzzy C-means,FCM),而FCM对初始聚类中心敏感,对噪音数据敏感并且容易收敛到局部极小值,因而聚类准确率不高。建立使用分治策略解决聚类问题的算法架构,充分考虑数据本身特性并对传统的FCM算法进行改进,标准数据集的实验结果表明这种基于分治策略的FCM聚类算法较好地提高了算法的聚类准确率,加快了收敛速度。Traditional FCM is sensitive with the initial cluster center and noise also easily converge to a local minimum values, which leads to low clustering accuracy. This article proposes a method that uses divide and conquer technique with equivalency and compatible relation concepts to improve the performance of the FCM clustering method. Experiment results demonstrate ap- propriate accuracy.

关 键 词：模糊C均值聚类 分治策略 无监督聚类 微阵列数据 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]