文献类型：期刊文章

作　　者：张慧哲[1] 王坚[1]

机构地区：[1]同济大学CIMS研究中心,上海201804

出　　处：《计算机科学》

基　　金：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

年　　份：2009

卷　　号：36

期　　号：6

起止页码：206-209

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSCD、CSCD2011_2012、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：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。

关 键 词：聚类 FCM聚类 目标函数 初始聚类中心 分离度

分 类 号：TP311.13]