文献类型：期刊文章

作　　者：王丽娟[1] 关守义[2] 王晓龙[1] 王熙照[3]

机构地区：[1]哈尔滨工业大学计算机科学与技术学院,哈尔滨150001 [2]河北师范大学学位办公室,石家庄050016 [3]河北大学数学与计算机学院,保定071002

出　　处：《计算机学报》

基　　金：两项国家自然科学基金(60435020;60473045);河北省自然科学基金(603137)资助.

年　　份：2006

卷　　号：29

期　　号：10

起止页码：1797-1803

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20064910289382)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出CF-WFCM算法,该算法分为属性权重学习算法和聚类算法两部分.属性权重学习算法,从数据自身的相似性出发,通过梯度递减算法极小化属性评价函数CFuzziness(w),为每个属性赋予一个权重.将属性权重应用于Fuzzy C Mean聚类算法,得到CF-WFCM算法的聚类算法.CF-WFCM算法强化重要属性在聚类过程中的作用,消减冗余属性的作用,从而改善聚类的效果.我们选取了部分UCI数据库进行实验,实验结果证明:CF-WFCM算法的聚类结果优于FCM算法的聚类结果.函数CFuzziness(w)不仅可以评价属性的重要性,而且可以评价属性评价函数的优劣.实验说明了这一问题.最后我们对CF-WFCM算法进行了讨论.

关 键 词：梯度递减算法  FUZZY C  Mean算法  属性权重学习算法  聚类有效性函数

分 类 号：TP18]