10.3969/j.issn.1001-2400.2005.04.026
模糊K-Harmonic Means聚类算法
对K-Harmonic Means算法进行扩展,考虑到数据点对不同类的隶属关系,将模糊的概念应用到聚类中,提出了模糊K-Harmonic Means算法,推导出聚类中心和模糊隶属度的迭代公式.在中心迭代聚类算法统一框架的基础上,推导出FKHM算法聚类中心的条件概率表达式以及在迭代过程中的数据加权函数表达式.最后,用Folkes&Mallows指标对聚类结果进行评价.实验表明,模糊K-Harmonic Means(KHM)算法在聚类对于初值不敏感的同时提高了聚类结果的精确度,达到较好的聚类效果.
模糊K-Harmonic Means聚类、聚类中心、条件概率、Folkes&Mallows指标
32
TP18(自动化基础理论)
2005-09-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
603-606,638