基于类云模型的c均值聚类算法

摘要：

本文提出了一种基于类云模型的c-均值聚类算法(简称云c-均值聚类,CCM)。它采用云模型来描述每一类,可以有效反映样本数据的随机不确定性和模糊不确定性,因而比FCM算法更适用。另外,由于每一类用云模型来描述,可以避免聚类目标函数产生平凡解,因而它不需要FCM中的归一化条件,解决了FCM算法因为归一化条件带来的问题。与FCM算法的对比实验验证了CCM算法的有效性。

关键词： 聚类云模型 随机不确定性 模糊不确定性 c-均值聚类 FCM算法

作者: 黄建军 杨勋 谢维信

作者单位: 深圳大学信息工程学院,深圳,518060 西安电子科技大学电子工程学院,西安,710071

会议类型: 国内会议

会议名称: 第十三届全国信号处理学术年会

会议地点: 北京

会议语种:中文

页码: 284-287

在线出版日期: 2007-08-01（万方平台首次上网日期，不代表论文的发表时间）