论文部分内容阅读
对模糊c均值聚类算法容易陷入局部极值点和鞍点而得不到全局最优模糊划分进行研究,提出了一种新颖的基于几何中心的模糊c均值聚类(GCFCM)方法,利用网格和密度找到数据集的近似聚类中心.实验结果表明:该算法与经典FCM聚类算法相比收敛速度更快,迭代步数更少,解决了容易陷入局部极值点和鞍点的问题.