计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2013年
22期
194-196
,共3页
模糊C均值聚类%分治策略%无监督聚类%微阵列数据
模糊C均值聚類%分治策略%無鑑督聚類%微陣列數據
모호C균치취류%분치책략%무감독취류%미진렬수거
Fuzzy C-means Clustering(FCM)%divide and conquer%unsupervised clustering%micro-array data
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。
傳統的快速聚類算法大多基于模糊C均值算法（Fuzzy C-means，FCM），而FCM對初始聚類中心敏感，對譟音數據敏感併且容易收斂到跼部極小值，因而聚類準確率不高。建立使用分治策略解決聚類問題的算法架構，充分攷慮數據本身特性併對傳統的FCM算法進行改進，標準數據集的實驗結果錶明這種基于分治策略的FCM聚類算法較好地提高瞭算法的聚類準確率，加快瞭收斂速度。
전통적쾌속취류산법대다기우모호C균치산법（Fuzzy C-means，FCM），이FCM대초시취류중심민감，대조음수거민감병차용역수렴도국부겁소치，인이취류준학솔불고。건립사용분치책략해결취류문제적산법가구，충분고필수거본신특성병대전통적FCM산법진행개진，표준수거집적실험결과표명저충기우분치책략적FCM취류산법교호지제고료산법적취류준학솔，가쾌료수렴속도。
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.
