FCCM算法中基于划分熵的参数优选方法

A method of parameter optimization based on partition entropy in FCCM algorithm

针对在FCCM及其改进算法中,模糊控制参数Tu往往采用经验值,或者通过多次实验选取最佳的Tu值。在考察了模糊控制参数Tu对于聚类结果的影响和在使用划分熵的变化来衡量聚类结果的明晰程度的基础上,引入隶属度矩阵的平均方差来对模糊控制参数Tu的取值进行限制,通过约束聚类的模糊程度,提出一种基于划分熵的参数优选方法。数据实验表明,使用该方法自动确定的参数Tu可减少直接使用经验值或多次实验选取最佳值时的随机性和偶然性,帮助FCCM算法获得更加稳定的聚类结果。

In FCCM and its improved algorithms,Tuis assigned based on experiences or the trial and error approach. the effect of fuzzy control parameter Tuinvestigates on the clustering results of FCCM algorithm,constraining the degree of fuzzy clustering,a parameter optimization method based on partition entropy. Data experiments show that the parameter automatically determined by the proposed method can improve the clustering quality of FCCM algorithm effectively.