计算机科学
計算機科學
계산궤과학
Computer Science
2015年
9期
268-271
,共4页
广义洛伦兹隶属函数%K均值%替代性模糊C均值%聚类%离群聚类
廣義洛倫玆隸屬函數%K均值%替代性模糊C均值%聚類%離群聚類
엄의락륜자대속함수%K균치%체대성모호C균치%취류%리군취류
Generalized lorentzian membership function%K-means%Alternative fuzzy C-means%Clustering%Outlier clustering
模糊C均值(FCM)算法是数据聚类分析的主要算法.但在嘈杂环境下,对于抽样大小不一的聚类,数目越多准确性越低,上述弊端可通过替代性FCM(AFCM)的高斯内核映射来解决.鉴于AFCM的不足,提出了针对模糊C均值聚类的广义洛伦兹内核函数.利用该算法对鸢尾数据库进行聚类,将其划分成山鸢尾、变色鸢尾和维吉尼亚鸢尾3类.实验结果表明,广义洛伦兹模糊C均值(GLFCM)可实现对离群聚类和大小不等的聚类数据的分类,其结果优于K均值、FCM、替代性C均值(AFCM)、Gustafson-Kessel(GK)和Gath-Geva (GG)方法,收敛迭代次数比AFCM的更少,其分区索引(SC)效果也好于其他方法.
模糊C均值(FCM)算法是數據聚類分析的主要算法.但在嘈雜環境下,對于抽樣大小不一的聚類,數目越多準確性越低,上述弊耑可通過替代性FCM(AFCM)的高斯內覈映射來解決.鑒于AFCM的不足,提齣瞭針對模糊C均值聚類的廣義洛倫玆內覈函數.利用該算法對鳶尾數據庫進行聚類,將其劃分成山鳶尾、變色鳶尾和維吉尼亞鳶尾3類.實驗結果錶明,廣義洛倫玆模糊C均值(GLFCM)可實現對離群聚類和大小不等的聚類數據的分類,其結果優于K均值、FCM、替代性C均值(AFCM)、Gustafson-Kessel(GK)和Gath-Geva (GG)方法,收斂迭代次數比AFCM的更少,其分區索引(SC)效果也好于其他方法.
모호C균치(FCM)산법시수거취류분석적주요산법.단재조잡배경하,대우추양대소불일적취류,수목월다준학성월저,상술폐단가통과체대성FCM(AFCM)적고사내핵영사래해결.감우AFCM적불족,제출료침대모호C균치취류적엄의락륜자내핵함수.이용해산법대연미수거고진행취류,장기화분성산연미、변색연미화유길니아연미3류.실험결과표명,엄의락륜자모호C균치(GLFCM)가실현대리군취류화대소불등적취류수거적분류,기결과우우K균치、FCM、체대성C균치(AFCM)、Gustafson-Kessel(GK)화Gath-Geva (GG)방법,수렴질대차수비AFCM적경소,기분구색인(SC)효과야호우기타방법.
