计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
21期
147-151
,共5页
可能性C-均值聚类(PCM)%模糊C均值(FCM)%协同模糊聚类
可能性C-均值聚類(PCM)%模糊C均值(FCM)%協同模糊聚類
가능성C-균치취류(PCM)%모호C균치(FCM)%협동모호취류
Possibilistic C-Means clustering(PCM)%Fuzzy C-Means(FCM)%collaborative fuzzy clustering
模糊C-均值聚类（FCM）对噪声数据敏感和可能性C-均值聚类（PCM）对初始中心非常敏感易导致一致性聚类。协同聚类算法利用不同特征子集之间的协同关系并与其他算法相结合，可提高原有的聚类性能。对此，在可能性C-均值聚类算法（PCM）基础上将其与协同聚类算法相结合，提出一种协同的可能性C-均值模糊聚类算法（C-FCM）。该算法在改进的PCM的基础上，提高了对数据集的聚类效果。在对数据集Wine和Iris进行测试的结果表明，该方法优于PCM算法，说明该算法的有效性。
模糊C-均值聚類（FCM）對譟聲數據敏感和可能性C-均值聚類（PCM）對初始中心非常敏感易導緻一緻性聚類。協同聚類算法利用不同特徵子集之間的協同關繫併與其他算法相結閤，可提高原有的聚類性能。對此，在可能性C-均值聚類算法（PCM）基礎上將其與協同聚類算法相結閤，提齣一種協同的可能性C-均值模糊聚類算法（C-FCM）。該算法在改進的PCM的基礎上，提高瞭對數據集的聚類效果。在對數據集Wine和Iris進行測試的結果錶明，該方法優于PCM算法，說明該算法的有效性。
모호C-균치취류（FCM）대조성수거민감화가능성C-균치취류（PCM）대초시중심비상민감역도치일치성취류。협동취류산법이용불동특정자집지간적협동관계병여기타산법상결합，가제고원유적취류성능。대차，재가능성C-균치취류산법（PCM）기출상장기여협동취류산법상결합，제출일충협동적가능성C-균치모호취류산법（C-FCM）。해산법재개진적PCM적기출상，제고료대수거집적취류효과。재대수거집Wine화Iris진행측시적결과표명，해방법우우PCM산법，설명해산법적유효성。
Fuzzy C-Means(FCM)algorithm is sensitive to noise and Possibilistic C-Means(PCM)algorithm is very sensi-tive to the initialization of cluster center and generates coincident clusters. With the collaborative relations among different feature subsets, the collaborative fuzzy clustering is combined with other clustering algorithms to make its clustering result better than that of the one with the original algorithm. An improved fuzzy clustering algorithm is proposed based on the combination of PCM and collaborative fuzzy clustering. The experimental results on the data sets show the effectiveness of the proposed method.
