广义多变量模糊C均值聚类算法

计算机工程与科学

• 论文 • 上一篇

广义多变量模糊C均值聚类算法

文传军1，汪庆淼2

(1.常州工学院数理与化工学院，江苏常州 213032;2.苏州大学计算机学院，江苏苏州 215021)

收稿日期:2015-08-27 修回日期:2016-05-12 出版日期:2017-11-25 发布日期:2017-11-25
基金资助:
国家自然科学基金(61170126)；常州工学院校级课题（YN1305）

A general multivariable fuzzy C-means clustering algorithm

WEN Chuan-jun1,WANG Qing-miao2

（1.School of Mathematical Sciences and Chemical Engineering,Changzhou Institute of Technology,Changzhou 213032;

2.School of Computer Science and Technology,Soochow University,Suzhou 215021,China）

Received:2015-08-27 Revised:2016-05-12 Online:2017-11-25 Published:2017-11-25

摘要/Abstract

摘要：

模糊聚类算法为了保证算法的收敛性，要求模糊指标m取值大于1，这限制了算法的普适性。提出广义多变量模糊C均值聚类算法（GMFCM），在多变量模糊C均值聚类算法（MFCM）的基础上，利用粒子群优化算法对分量模糊隶属度进行优化估计，进而将模糊指标拓展到m>0的情况，同时采用梯度法得到算法聚类中心迭代公式。GMFCM理论分析了模糊指标m扩展的原理，研究了模糊指标m在不同取值情况下的性质，解释了模糊指标m的实际意义，讨论了GMFCM算法的收敛性。GMFCM继承了MFCM算法的样本分量区分性能，弥补了MFCM算法聚类中心分量与样本分量重合时的不完备性，突破了模糊聚类算法对参数m的约束，提高了模糊聚类算法的普适性。基于gauss数据集和UCI数据集的仿真测试验证了所提算法的有效性。

关键词: 模糊聚类, 模糊指标, 多变量模糊C均值聚类, 粒子群优化算法, 模糊隶属度

Abstract:

That the fuzzy index m must be larger than I can guarantee the convergence of the fuzzy clustering algorithm, however, it also restricts the universality of the clustering algorithm. We propose a novel clustering algorithm called the general multivariable fuzzy C-means clustering (GMFCM). Based on multivariable fuzzy C-means clustering (MFCM), the particle swarm optimization algorithm (PSO) is used to perform the optimization estimation on the fuzzy memberships of the GMFCM, thus the scope of the fuzzy index m is extended to m>0, and the iterative formula of clustering center is derived by the gradient method for the GMFCM. We prove the thereom of new m value scope theoretically and discuss the convergence of the GMFCM. The GMFCM removes the restriction of the fuzzy clsutering on m, and makes up the incompleteness of the MFCM algorithm when the clustering center components and the sample components overlap. Simulation experiments prove the effectiveness of the GMFCM.

Key words: fuzzy clustering, fuzzy index, multivariable fuzzy C-means clustering(MFCM), particle swarm optimization(PSO), fuzzy membership

文传军1，汪庆淼2. 广义多变量模糊C均值聚类算法[J]. 计算机工程与科学.

WEN Chuan-jun1,WANG Qing-miao2. A general multivariable fuzzy C-means clustering algorithm[J]. Computer Engineering & Science.

编辑推荐

Metrics

阅读次数

全文

213

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	213	0	0

来源	本网站	其他网站

次数	163	50
比例	77%	23%

摘要

131

最新录用	在线预览	正式出版

131	0	0

	来源	本网站

	次数	131
	比例	100%

[1]	许文俊, 王锡淮. 基于变尺度黑洞和种群迁徙的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(11): 2036-2046.
[2]	张文宁, 周清雷, 焦重阳, 梅亮. 融入重心反向学习和单纯形搜索的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(09): 1629-1638.
[3]	王林, 王燕丽, 安泽远. 改进粒子群算法优化回声状态网络的电力需求预测研究[J]. 计算机工程与科学, 2022, 44(08): 1457-1466.
[4]	刘云, 肖添, 王梓宇. 动态特征选择算法对恶意行为检测的优化研究[J]. 计算机工程与科学, 2022, 44(04): 665-673.
[5]	张晶, 魏淼, . 基于Delaunay三角划分策略的WSN区域覆盖优化研究[J]. 计算机工程与科学, 2021, 43(11): 1944-1951.
[6]	阎红灿, 王子茹, 李伟芳, 谷建涛. 伴随时间的模糊聚类协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(11): 2084-2090.
[7]	赵凤1,2，孔令润1,2，马改妮1,2. 多目标粒子群和人工蜂群混合优化的阈值图像分割算法[J]. 计算机工程与科学, 2020, 42(02): 281-290.
[8]	陈丽芳,冯力静,刘保相. 神经网络规则优化建模与应用[J]. 计算机工程与科学, 2019, 41(12): 2247-2254.
[9]	任佳1,2，张胜男1，董超2，赵敏钧1. 基于改进模糊C均值的海面目标图像分割算法[J]. 计算机工程与科学, 2019, 41(05): 858-864.
[10]	赵志刚，莫海淼，温泰，李智梅，郭杨. 一种自适应调整种群子代数量与步长的优化算法——爆米花算法[J]. 计算机工程与科学, 2019, 41(05): 900-909.
[11]	邵俊健，王士同. 高维数据的增量式聚类算法的距离度量选择研究[J]. 计算机工程与科学, 2019, 41(02): 214-223.
[12]	吴尚智1，佘志用2，张霞1，赵慧琴3. 利用变精度粗糙熵的图像分割算法[J]. 计算机工程与科学, 2018, 40(10): 1837-1843.
[13]	文传军1，汪庆淼2. 多路径高斯核模糊C均值聚类算法[J]. 计算机工程与科学, 2018, 40(05): 931-937.
[14]	胡瑗1，夏利民1，王嘉1,2. 基于轨迹分析的行人异常行为识别[J]. 计算机工程与科学, 2017, 39(11): 2054-2059.
[15]	王明慧，戴月明，田娜，王艳. 基于冯诺依曼拓扑结构的骨干粒子群优化算法[J]. 计算机工程与科学, 2017, 39(08): 1552-1561.

广义多变量模糊C均值聚类算法

A general multivariable fuzzy C-means clustering algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价