MKDSIF-FCM算法及其性能分析

作者：高宏娟

来源：科技创新与应用, 2018, (34): 10-13.

• 模糊C-均值聚类
• 欧氏距离
• 权重系数
• 核函数
• 分类精度

模糊C-均值聚类(FCM)是一种最常用的聚类算法,其性能因直接采用了欧氏距离而受到限制。针对该问题,提出了一种FCM的改进算法,命名为MKDSIF-FCM。MKDSIF-FCM算法提出了带影响因子的距离权重系数的概念,将其运用到欧氏距离的计算中;同时,MKDSIF-FCM算法中采用了多核学习的技巧,增加了样本之间的差异性,能够有效地提高FCM算法的聚类效果。实验结果表明,在Iris数据集和Wine数据集上,相比经典的FCM算法,MKDSIF-FCM算法的分类精度有显著的提高;相比其他的FCM改进算法,MKDSIF-FCM算法分类性能更优。

• 单位
  宁夏大学新华学院