基于Canopy的KFCM聚类优化算法

打开文本图片集

摘要：在以模糊集为理论支持的聚类算法中，KFCM（kernel fuzzy c-means clustering）是一种对核函数进行优化的模糊聚类算法。KFCM算法需要人为指定数据的分类个数，对数据噪声敏感会降低其性能，且类邊缘数据点相互影响会导致分类错误。针对这些问题，该文提出一种改进的C-KFCM模糊算法，先用Canopy粗聚类算法给出数据集大致的分类数，接着在聚类部分使用KFCM算法。（剩余11964字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。