基于广度优先搜索的变异加权模糊C-均值聚类算法  

作　　者：翟丽丽[1] 张影[2] 王京[2] 

机构地区：[1]哈尔滨理工大学高新技术产业发展研究中心,哈尔滨150040 [2]哈尔滨理工大学管理学院,哈尔滨150040

出　　处：《统计与决策》2016年第15期9-14,共6页Statistics & Decision

基　　金：国家自然科学基金资助项目(71272191;71072085);黑龙江省自然科学基金资助项目(G201301);黑龙江省高等学校哲学社会科学创新团队建设计划项目(TD20123)

摘　　要：针对传统模糊C-均值聚类方法(fuzzy C-means,简称FCM)对初始值敏感导致的易陷入局部最优和噪声敏感问题,文章提出一种基于广度优先搜索的变异加权模糊C-均值聚类算法。该算法通过改进具有全局搜索能力的广度优先搜索算法(Breadth Fist Search,BFS)和有效聚类评价函数相结合,确定了接近真实的初始聚类中心,同时能够剔除噪声数据。在此基础上考虑属性噪声对聚类结果的影响问题,引入变异系数赋权法对FCM的目标函数进行改进,进一步提高了FCM算法的抗噪性。实验结果表明,该算法能够有效的克服传统FCM的不足,与其他聚类算法相比,具有较快的收敛速度、更好的聚类准确率及较高的抗噪性。

关 键 词：广度优先搜索 模糊C-均值聚类 变异系数赋权 聚类评价函数 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]