FCM算法中参数的优选方法及实例应用

建不了的模。

FCM算法中参数的优选方法及实例应用
FCM算法中参数的优选方法及实例应用
【A New Validity Function for Fuzzy Clustering】

以前在 cinc 2009 发表过的一篇文章，可以自适应的给出FCM的最佳聚类数（经典的FCM算法需要预先给定聚类数目才可以）。
[img]file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\TempPic\}K7))03J{JS48637EJU[UF0.tmp[/img]

======================================
A New Validity Function for Fuzzy Clustering
Wuhan, China June 06-June 07
Yang Li
Fusheng Yu

DOI Bookmark: http://doi.ieeecomputersociety.org/10.1109/CINC.2009.100
ABSTRACT

This paper first gives a new validity function for fuzzy clustering, then presents a method of the optimal selecting of the cluster number in the standard fuzzy c-means clustering algorithm, and finally outlines the fuzzy c-means clustering algorithm with parameters self-adapted. Experimental results carried on synthetic data set and data set based on actual background illustrate the performance of the new validity function and the corresponding fuzzy clustering algorithm.


ADDITIONAL INFORMATION

Index Terms: Fuzzy C-Means; fuzzy clustering analysis; cluster number; clustering validity function

Citation: Yang Li, Fusheng Yu, "A New Validity Function for Fuzzy Clustering," cinc, vol. 1, pp.462-465, 2009 International Conference on Computational Intelligence and Natural Computing, 2009

==========================================================

【以前我写过的一篇论文，有关FCM的，虽然Matlab中有模糊工具箱但那里面给出的FCM算法必须事先给出聚类数，我这里给出的算法具有自适应性无需人为给出聚类数，可自行给出最佳聚类数，希望能为相关方面的朋友提供帮助。】

摘要：本文在原始的fcm算法基础上，对算法中的聚类数c和加权指数m给出优选方法，进而而出了fcm参数优选自适应算法，通过人造数据与具有实际背景的数据验证可以看出该算法是有效的，该算法不但可以自适应的给出最佳的聚类数，而且可以验证聚类的有效性，达到最佳聚类的目的。

关键字：FCM，聚类分析，聚类数，加权指数，自适应

Abstract：This paper gives a method of the optimal choice for fuzzy weighting exponent m and the numbers c. Then the Fuzzy c-Means clustering algorithm with parameters self-adepted is presented in this paper. At last expermental results with artificial data and data based on actual background illustrates the effectiveness of the algorithm.

Keywords：FCM(Fuzzy C-Means algorithm)，fuzzy clustering analysis，cluster number，fuzzy weighting exponent，self-adepting

==============================================
内容目录

第一章 引论及FCM算法介绍        - 4 -
1.1 简介聚类分析        - 4 -
1.2 FCM算法介绍        - 4 -
1.2.1　普通（硬）－Ｃ均值聚类算法        - 4 -
1.2.2　模糊（软）－Ｃ均值聚类算法        - 5 -
1.3 聚类数c的研究        - 7 -
1.4 加权指数m的研究及m对FCM算法的影响        - 8 -
第二章 FCM参数的优选自适应方法        - 9 -
2.1 引言        - 9 -
2.2 聚类数c的自适应方法        - 10 -
2.3 加权指数m的优选方法        - 12 -
2.3.1   划分模糊度        - 12 -
2.3.2  FCM中参数m的优选        - 14 -
第三章 FCM参数自适应算法的实例应用        - 15 -
附录        - 19 -
参考文献        - 24 -

游客，如果您要查看本帖隐藏内容请回复

fxw1062

是不是很expensive！