针对传统的模糊C均值聚类算法(Fuzzy C-Means,FCM)对处理月亮型数据表现欠佳的问题,提出一种基于模糊类中心点的近邻点扩展聚类算法(Nearest Neighbor Extended clustering algorithm based on Fuzzy class center,NNE-FC)。算法首先不...针对传统的模糊C均值聚类算法(Fuzzy C-Means,FCM)对处理月亮型数据表现欠佳的问题,提出一种基于模糊类中心点的近邻点扩展聚类算法(Nearest Neighbor Extended clustering algorithm based on Fuzzy class center,NNE-FC)。算法首先不断迭代聚类中心点以及“隶属度”,直到“隶属度”不再发生较大变化,得到最佳的聚类中心,然后通过聚类中心点选择最近的数据点进行扩展,以聚类中心点到最近邻点的距离为半径,将邻域内不小于Minpts的数据点进行邻域扩展,将扩展的对象划分到同一簇内,最终得到聚类结果。通过实验研究验证,改进后的算法可以将月亮型数据集成功划分为不同密度的簇。展开更多
文摘针对传统的模糊C均值聚类算法(Fuzzy C-Means,FCM)对处理月亮型数据表现欠佳的问题,提出一种基于模糊类中心点的近邻点扩展聚类算法(Nearest Neighbor Extended clustering algorithm based on Fuzzy class center,NNE-FC)。算法首先不断迭代聚类中心点以及“隶属度”,直到“隶属度”不再发生较大变化,得到最佳的聚类中心,然后通过聚类中心点选择最近的数据点进行扩展,以聚类中心点到最近邻点的距离为半径,将邻域内不小于Minpts的数据点进行邻域扩展,将扩展的对象划分到同一簇内,最终得到聚类结果。通过实验研究验证,改进后的算法可以将月亮型数据集成功划分为不同密度的簇。
