为了同时对数据对象和特征进行聚类分析以提高聚类准确率,在模糊紧致性和分离性算法(fuzzy compactness and separation,FCS)基础上,提出一种结合类内紧致性和类间分离性的模糊联合聚类算法(fuzzy compactness and separation co-cluste...为了同时对数据对象和特征进行聚类分析以提高聚类准确率,在模糊紧致性和分离性算法(fuzzy compactness and separation,FCS)基础上,提出一种结合类内紧致性和类间分离性的模糊联合聚类算法(fuzzy compactness and separation co-clustering,FCSCC)。该算法在FCS的基础上增加了对特征维度的隶属度关系与熵最大化原理,能够在数据对象和特征2个维度上同时聚类。为验证该算法的有效性,另选择了3种算法在5个数据集上进行了对比实验,结果表明,FCSCC算法的聚类准确率高于其他3种算法。展开更多
文摘为了同时对数据对象和特征进行聚类分析以提高聚类准确率,在模糊紧致性和分离性算法(fuzzy compactness and separation,FCS)基础上,提出一种结合类内紧致性和类间分离性的模糊联合聚类算法(fuzzy compactness and separation co-clustering,FCSCC)。该算法在FCS的基础上增加了对特征维度的隶属度关系与熵最大化原理,能够在数据对象和特征2个维度上同时聚类。为验证该算法的有效性,另选择了3种算法在5个数据集上进行了对比实验,结果表明,FCSCC算法的聚类准确率高于其他3种算法。