基于自適應近鄰信息的模糊C均值聚類算法

摘要： 傳統(tǒng)的模糊C均值算法直接基于原始數(shù)據(jù)進行聚類，數(shù)據(jù)的內(nèi)在結(jié)構可能會被噪聲、異常值或其他因素破壞，因此聚類性能會受到影響。為提升FCM算法的魯棒性，提出了一種基于自適應近鄰信息的模糊C均值聚類算法。近鄰信息指的是一種基于數(shù)據(jù)點之間相似度的度量，每個數(shù)據(jù)點都可以看作其他數(shù)據(jù)點的近鄰，但是不同數(shù)據(jù)點之間的相似度是不同的。將樣本點的近鄰信息G_X和類中心點的近鄰信息G_V融入基礎FCM... （共14頁）