文件名称：论文研究-模糊C-均值聚类算法的优化.pdf
文件大小：559KB
文件格式：PDF
更新时间：2022-09-26 23:01:08
论文研究
针对传统模糊C-均值聚类算法（FCM算法）初始聚类中心选择的随机性和距离向量公式应用的局限性，提出一种基于密度和马氏距离优化的模糊C-均值聚类算法（Fuzzy C-Means Based on Mahalanobis and Density，FCMBMD算法）。该算法通过计算样本点的密度来确定初始聚类中心，避免了初始聚类中心随机选取而产生的聚类结果的不稳定；采用马氏距离计算样本集的相似度，以满足不同度量单位数据的要求。实验结果表明，FCMBMD算法在聚类中心、收敛速度、迭代次数以及准确率等方面具有良好的效果。