摘要
针对FCM中数据点隶属度的计算是影响算法执行效率的主要因素,提出一种新的加速FCM算法(accelerated fuzzy C-means,AFCM),用于加速FCM及基于FCM的演化聚类算法.AFCM算法采用抽样初始化操作,产生较好的初始聚类中心,对于拥有较大隶属度的数据点,通过一步k-means操作更新模糊聚类中心,同时仅更新小隶属度来达到加速FCM算法的目的.为了验证所提出方法的有效性并提高聚类算法的效率,将AFCM应用于基于演化算法的模糊聚类算法.实验表明,此方法在保持良好的聚类结果前提下,能够减少大规模数据集上聚类算法的计算时间.
学科与关键词
关键词
聚类模糊C-均值隶属度演化算法混合策略 clusteringfuzzy C-meansmembership degreeevolutionary algorithm (EA)mixed strategy
- 一种改进的FCM算法及仿真实验研究刘杰陕西理工学院学报(自然科学版), 2015, (04): 40-44.
- 改进的高效模糊C均值聚类算法丁旭晨; 林锦贤微型机与应用, 2013, (23): 74.
- 一种基于属性空间相似性的模糊聚类算法施伟锋; 卓金宝; 兰莹电子与信息学报, 2019, (11): 2722-2728.
