基于初始聚类中心选取的改进FCM聚类算法

• 作 者: 张慧哲 王坚
• 机 构: 同济大学CIMS研究中心
• 出 处: 计算机科学
• 发表日期: 2009年6期
• 关键词: 聚类 FCM聚类 目标函数 初始聚类中心 分离度
• 基金项目: 国家“863”计划基金资助项目(2003AA414120);国家科技支撑计划项目(2006BAF01A46);国家“863”计划基金资助项目(2003AA414120);上海市社会发展重大专项项目(06DZ12001);上海市基础研究重点项目(06JC14066);上海市科技发展基金重点项目(061612058);上海市登山行动计划项目(061111006)资助

针对模糊C-均值（Fuzzy C-Means，FCM）算法聚类效果往往受到初始聚类中心影响，收敛结果易陷入局部极小的问题，提出了一种改进的模糊C均值聚类算法。算法给出了一种简洁快速的初始聚类中心的选取规则，并根据聚类中心的分离特性改进了目标函数，从而使获得的聚类结果为全局最优。仿真结果证明新算法与传统FCM方法相比，迭代次数少，准确率高，同时也更加适用于样本数据分类不均衡的聚类问题。