基于密度敏感距离的改进模糊C均值聚类算法

doi:10.19678/j.issn.1000-3428.0057901

	基于密度敏感距离的改进模糊C均值聚类算法
	王治和; 王淑艳; 杜辉
	2020-05-11
发表期刊	计算机工程
ISSN	1000-3428
卷号	47 期号:05 页码:88-96+103
摘要	针对模糊C均值（FCM）聚类算法无法识别非凸数据，且基于欧式距离的相似性度量只考虑数据点之间的局部一致性特征，而忽略了全局一致性特征的问题，提出了一种基于密度敏感距离度量创建相似度矩阵的FCM算法。此外，为了降低FCM算法的聚类数目k需要人为预先设定以及随机选定初始聚类中心造成聚类结果不稳定的影响，运用近邻传播算法AP获取粗类数作为最佳聚类数的搜索范围上限kmax，在此基础上改进最大最小距离算法得到具有代表性的样本点作为FCM算法的初始聚类中心，最后结合轮廓系数自动确定最佳聚类数，所提算法简称AMMF-DSD。通过UCI数据集和人工数据集的实验，验证了AMMF-DSD算法相比经典的FCM、K-means和CFSFDP算法，不仅具有识别复杂非凸数据的能力，且具有更好的聚类性能和稳定性，并加快了算法的收敛速度。
关键词	模糊C均值密度敏感距离近邻传播最佳聚类数初始聚类中心轮廓系数
DOI	10.19678/j.issn.1000-3428.0057901
URL	查看原文
收录类别	CNKI ; 北大核心 ; CSCD
语种	中文
资助项目	国家自然科学基金（61962054）
原始文献类型	学术期刊
中图分类号	TP311.13
引用统计	被引频次[WOS]：0 [WOS记录] [WOS相关记录]
文献类型	期刊论文
条目标识符	https://ir.nwnu.edu.cn/handle/39RV6HYL/1008
专题	机关部门（群众团体）_教务处实体学院_计算机科学与工程学院实体学院_敦煌学院
作者单位	西北师范大学计算机科学与工程学院
第一作者单位	计算机科学与工程学院
第一作者的第一单位	计算机科学与工程学院
推荐引用方式 GB/T 7714	王治和,王淑艳,杜辉. 基于密度敏感距离的改进模糊C均值聚类算法[J]. 计算机工程,2020,47(05):88-96+103.
APA	王治和,王淑艳,&杜辉.(2020).基于密度敏感距离的改进模糊C均值聚类算法.计算机工程,47(05),88-96+103.
MLA	王治和,et al."基于密度敏感距离的改进模糊C均值聚类算法".计算机工程 47.05(2020):88-96+103.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于密度敏感距离的改进模糊C均值聚类算法（2547KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载