论文部分内容阅读
针对FCM原型算法的不足,提出一种新的改进方法,并进行仿真实验研究。利用主成分分析方法对原始数据集的指标进行筛选,应用Relief算法对入选指标计算权重。在此基础上,对FCM算法进行了改进。应用模糊划分系数F(CR)和平均模糊熵H(CR)这两个指标对算法的性能进行了评价。仿真实验结果表明,改进后的FCM算法对样本集数据的分类符合率达到了91.5%,其模糊划分系数F(CR)和平均模糊熵HC(R)分别为0.924和-0.062。改进后的FCM算法分类性能优于FCM原型算法,在应用中可以取得更好的效果。