基于信息熵的FCM聚类算法

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

５９２１，１（）０２００２３３
・智能技术・
计算机工程与设计ＣｍｕｒｎｉｅｎｄｅｇｏｐｔｇｅｒｇｎｓｎｅＥｎｉａＤｉ
基于信息熵的ＦＭ聚类算法Ｃ
邢婷邢治国，王凤领，
ｐｓｄｎｅｉｌｉｎｅｐｒｎｎｕｔ．Ｆｚｙｍｅｎ（Ｃｏｅ，ａｄｈｍｕａｏｘｅｉｔｓｏｄｃｄｕｚｔｓｔｍFra Baidu bibliotek ｉｃｅＣ— ａｓＦＭ）ａｇｒｈｉｔｅｂｅｔｅｕｃｉｎｈｏｇｅａｉｐｉｌｏｔｍｊｃｖｎｔｒｕｈｉｒｔｅｔｉｓｈｏｉｆｏｔｔｖｏ —
ＡｂｔａｔＦｒｈｚｙｃｕｔｒｇｅｉｅｅｒｂｅｏｄｔｎｆｒｔｏｔｃｉｎｅｍｅｈｄｏｆｚｙｃｕｔｒｇａｇｒｈｉｐｏｓｒｃ：ｏｅｆｚｌｓｅｉｘｓｄｔｏｌｍｆａａｉｍｉｃｎｒｔ，ａｎｗｔｏｆｕｚｌｓｅｎｌｏｔｍｒ・ｔｕｎｔｈｐｕｏｙａｏｉｉｓ
以表明，改进的模糊Ｃ均值算法是有效的，能够表现出比模糊ｃ均值算法更好的性能，实际应用中可以取得较好的．一在
聚类效果。
关键词：模糊聚类；模糊Ｃ均值算法；聚类分析；信息熵；聚类算法一中图法分类号：Ｐ８Ｔ１文献标识码：Ａ文章编号：００７２２１）３５９４１０—０４（００２—０２０
Ｃ均值（Ｃ算法主要通过目标函数的迭代优化来实现集合划分，以信息熵作为模糊Ｃ均值算法的约束条件，给出改一ＦＭ）一
进算法的推导过程，出改进后的模糊ｃ均值算法的隶属度和聚类中心，得一实现了模糊ｃ均值的改进算法。实验结果可一
（．尔滨德强商务学院计算机与信息工程系，黑龙江哈尔滨１０２；１哈５０５２．三锐系统株式会社事业统括部，日本东京１１０１０．２）０
摘要：对模糊聚类存在的数据收缩问题的不足，出了一种改进现有模糊聚类算法的方法，进行仿真实验研究。糊针提并模
ｍｉａｉｎｔｃｉｅｈａａｅａｔｉｎＷｉｅｉｆｒａｉｎｅｔｏｙａｅｆｚｙＣ— ａｓｌｏｔｍｏｓａｎｓｔｅｅｖｔｎｐｏｅｓｚｔｒｅｖｅｔｓｔｒｉｏ．ｏｏｅｔｄｐｔｔｔｏｈｈｎｍｔｎｒｐｓｈｚｍｅｎｇｒｈｃｎｔｉｔ，ｈｒａｏｒｃｓｏｔｕａｉｒｄｉｉｏｅｎｗｌｏｔｍｉｅ，ｔｅｃｕｔｒｇｃｎｅｎｍｂｒｈｐｏｅｎｗｚｙＣ— ａｓｌｓｅｉｇａｇｒｔｒｂａｎｄＴｅｆｈｅａｇｒｈｉｇｖｎｈｌｓｅｎｅｔｒａｄｍｅｅｓｉｆｈｅｆｚｍｅｎｕｔｒｎｌｏｈａｅｏｔｉｅ．ｈｔｉｓｉｔｕｃｉｍ
ｂｅｅｅｕｌｓｉｈｅａｉａｉｔｒｒｓｔｎｔｐｐｌｃｔｏｎ．
Ｋｅｒｓｆｚｌｓｅｎ；ｆｚｙＣ— ｅｓｃｕｔｒｎｌｏｉｙｗｏｄ：ｕｚｃｕｔｒｇｕｚｍａｌｓｅｇａｇｒｔ；ｃｕｔｒｇａａｙｉ；ｉｆｒｔｎｅｔｏｙｃｕｔｒｎｌｏｉｍｙｉｎｉｍｈｌｓｅｎｎｌｓｓｎｏｍａｉｎｒｐ；ｌｓｉｇａｇｒｔｉｏｅｈ
（．ｅａｔｎｏＣｍｐｔｒｎＩｆｒｔｎｎｉｅｒｇａｂｎｅｉｇｏｌｅｆｏｍｅｅ１ＤｐｒｍｅｔｆｏｕｅａｄｎｏｍａｏＥｇｎｅｎ，ＨｒｉＤｑａＣｌｇｏＣｍｒ，Ｈａｉ１０２，ｈｎ；ｉｉｎｅｃｒｎ５０５Ｃｉａｂ２ＢｓｅｓｅａｍｅｔＳｎｉｙｔｏａｙｉｔｄＴｋｏ１１０２，Ｊｐ）．ｕｉｓＤｐｒｎ，ａｅＳｓｍＣｍｐｎｍｉ，ｏｙ０－０１ａａｎｔｅＬｅｎ
ｒｓｌｈｗａｅｍｏｉｅｌｏｉｍｅｓｔｅｂｔｒｖｌｉｎｅｆｒａｃｈｎｔｅｆｚｙＣ— ａｓａｇｒｈａｄｒｃｉｅｅｅｕｔｓｏｔｔｈｄｆｄａｇｒｈｇｔｅｔａｉｔａｄｐｒｏｓｈｔｉｔｈｅｄｙｍｎｅｔａｈｕｚｍｅｌｏｔｍ，ｎｅｅｖｄｔｎｉｈ
ＦＣＭｌｓｅｉｇａｇｒｔｍａｅｎｉｆｒａｉｎｅｔｏｙｃｕｔｒｌｏｉｎｈｂｓｄｏｏｍｔｎｒｐｎｏ
ＸＩＮＧｉｇ，Ｘ１Ｇｈ — ｕＷＡＮＧｅｇｌｇＴｎＮＺｉｇｏ，Ｆｎ —ｎｉ