论文部分内容阅读
传统的模糊聚类算法存在着或者需要预先设定聚类个数，或者计算量大不能满足实时性要求等缺点，为此，本文在经典的模糊C均值法的基础上，提出了一种改进的模糊聚类方法。首先，对需要考察的数据点进行预聚类并估计出分类个数;其次，对分类个数进行小范围的调整，用模糊C均值法对数据点进行聚类分析，并计算各自的聚类有效性测度指标;最后，选择测度指标最小的聚类方式作为最优聚类结果。针对相参雷达导引头的仿真结果表明：该方法不仅可以自适应地确定最优分类个数，而且可以取得较好的聚类效果。另外该算法的计算量比较小，可以满足特殊应用平台对实时性的要求。