论文部分内容阅读
针对传统的模糊C均值聚类（FCM）算法聚类数目难以确定,目标函数收敛速度慢的特点,提出了一种改进的模糊聚类算法,将粒度思想和m-α关系引入FCM模糊聚类算法中,从不同的粒度空间对聚类进行有效性评价,并通过改变m或α的值来影响模糊化程度,进而改变聚类的收敛速度。分别采用FCM与该算法对经典数据集进行聚类对比。结果表明：改进后的聚类算法能够得到合理有效的聚类数目和初始聚类中心,并且具有比传统FCM更快的收敛速度。