基于自适应的粗糙C-均值聚类算法

粗糙C-均值的提出,首次将粗糙集与聚类算法结合起来。随后,众多学者对其进行了广泛研究。然而,绝大多数算法在研究簇的下近似、边界对象时,使用统一的权重,忽略了这些对象本身的差异性以及对所在簇的贡献。针对此问题,文中提出一种改进的聚类方法。通过样本对象偏移其所在簇心的程度,设定不同的簇偏移量,距离簇心越近的样本对象其簇偏移量越大,反之越小。通过此举以客观描述这些样本对象对其所在簇的贡献,使得最终聚类结果更加精确、簇内更加紧密、簇间更加稀疏。实例计算结果以及通过MATLAB对数据库中IRIS的数据集进行仿真验证,表明提出的改进算法具有一定的可行性。