实例介绍
【实例简介】
关于模糊C-均值(FCM)聚类算法的改进关于模糊C-均值(FCM)聚类算法的改进
∑∑md2(x1,v,) 离有变化,即(1)式中 改为 (,)=|P)(x;-v 大连大学学报 其中W为模糊加权因子,由式(5)确定。 在模糊￠一均值算法中引入模糊加权因 4 子,使得数据空间中各个数据点对同一橐类中 心所具有的特征优势不同,导致对距离的贡献 也不同,更具合理性,使得聚类效果更好,分类 更清晰,改进数据预处理的方法。 4数据仿真结果 将200个二维数据分为三类。使用了两种 方法,本文提出的改进的模糊聚类算法(引入了 模糊加权因子),结果见图2;经典的模糊C-均 值聚类算法6,结果见图3对比聚类效果图如 通过对比两种算法的效果图可以看出:图 图3FCM聚类效果图 2是改进后的模糊聚类算法(引入了模糊加权 刈比目标函数曲线如下 因子)的效果图,聚类效果比图3经典的模糊C 均值聚类算法更好,数据点更集中,有若干点 集中在聚类中心上。我们可以看右下角的数据 点,改进后的模糊聚类算法将紫色的点和蓝色 的点能清楚的分开,两个类之间的界限很明显 而模糊C-均值算法分类的程度就不是很清 晰,分别属于两个类的绿色的点和紫色的点几 乎重合,可见类与类之问划分不清晰。 图4改进算法后的目标函数图 图2改进算法后的聚类效杲图 喷笔签 义,引入了重要参数-模糊加权因子,模糊加权因 子的引入,使得数据空间中各数据点所具有的特 大连大学学 征优势不同,导致对距离的贡献也不同,这是两种 距离定义方法的根本区别之处。并且用数据仿真 验证了这种改进了的模糊聚类算法比原来的算法 聚类更有效,分类更清晰,速度快。 参考文献 O一0年第五期 [l} Timothy J.Ros.模糊逻辑及其工栏应用[M].北京:电子 工业出版社,2003 2]鲁宇,范希鲁.模糊加权距离及其合理性讨论[J].北方交 通大学学报,1990(2) [3]王士同、神经模糊系统及其应用[M].北京:北京航天航空 大学出版社,1998(6) 图5FCM目标函数图 T 4 1 Kazutaka Umuyaharu, Saclaaki MiyarIulo and Yoshiteru 图4的是改进算法后的目标函数图(引入模糊 Nakamori, Formulations of Fuzzy Clustering for Categorical 加权因子),图5是经典的模糊C-均值算法目 Data, International Journal of Innovative Computing Information and Control(lICIC), vol 1, no, 1, pp 83 标函数图。可以看出图4的函数曲线比图5的函 94,2005(3) 数曲线更加平滑,收敛速度快。 [5 Hugang Han, Information System with Fuzzy Weights 5结论 Intermational Journal of Innovative Computing, Information 本文讨论的是对模糊C-均值聚类算法的改 and Control JICIC ) vol. 2, no 3, pp 553-565, 2006 进,在原有的模糊C-均值算法的基础上,用一种 6]吴晓莉,林哲辉.MAⅣLAB埔助模湖系统设计[M.西安: 新的定义距离的方法替代欧氏空间中距离的定 西安电子科技大学出版社,2002. Improvement of the Fuzzy C-Means Clustering Algorithm WANG Ying-jie Wang, BAI Feng-bo, WANG Jin-hui (1. College of Information Engineering, Dalian University, Dalian, 116622, China 2. MSPD, HiSoft Technology Intemational Ltd., Beijing, 100074, China 3. Beijing Electromechanical Engineering Insitute, Beijing, 100074, China Abstract: An improvement algorithm about the fuzzy c-means clustering algorithm is discussed in this paper. Based on original fuzzy c -rneans clustering algorithm, the improvement algorithm uses a new way of defining distance to displace the distance in Euclidean space. Experimental results show that the improvement algorithm is better than al algurithm and the classification is clearer than original alg Key words Fuzzy c-means algorithm; Fuzzy weighted distance; Fuzzy weighted factor 【实例截图】
【核心代码】
关于模糊C-均值(FCM)聚类算法的改进关于模糊C-均值(FCM)聚类算法的改进
∑∑md2(x1,v,) 离有变化,即(1)式中 改为 (,)=|P)(x;-v 大连大学学报 其中W为模糊加权因子,由式(5)确定。 在模糊￠一均值算法中引入模糊加权因 4 子,使得数据空间中各个数据点对同一橐类中 心所具有的特征优势不同,导致对距离的贡献 也不同,更具合理性,使得聚类效果更好,分类 更清晰,改进数据预处理的方法。 4数据仿真结果 将200个二维数据分为三类。使用了两种 方法,本文提出的改进的模糊聚类算法(引入了 模糊加权因子),结果见图2;经典的模糊C-均 值聚类算法6,结果见图3对比聚类效果图如 通过对比两种算法的效果图可以看出:图 图3FCM聚类效果图 2是改进后的模糊聚类算法(引入了模糊加权 刈比目标函数曲线如下 因子)的效果图,聚类效果比图3经典的模糊C 均值聚类算法更好,数据点更集中,有若干点 集中在聚类中心上。我们可以看右下角的数据 点,改进后的模糊聚类算法将紫色的点和蓝色 的点能清楚的分开,两个类之间的界限很明显 而模糊C-均值算法分类的程度就不是很清 晰,分别属于两个类的绿色的点和紫色的点几 乎重合,可见类与类之问划分不清晰。 图4改进算法后的目标函数图 图2改进算法后的聚类效杲图 喷笔签 义,引入了重要参数-模糊加权因子,模糊加权因 子的引入,使得数据空间中各数据点所具有的特 大连大学学 征优势不同,导致对距离的贡献也不同,这是两种 距离定义方法的根本区别之处。并且用数据仿真 验证了这种改进了的模糊聚类算法比原来的算法 聚类更有效,分类更清晰,速度快。 参考文献 O一0年第五期 [l} Timothy J.Ros.模糊逻辑及其工栏应用[M].北京:电子 工业出版社,2003 2]鲁宇,范希鲁.模糊加权距离及其合理性讨论[J].北方交 通大学学报,1990(2) [3]王士同、神经模糊系统及其应用[M].北京:北京航天航空 大学出版社,1998(6) 图5FCM目标函数图 T 4 1 Kazutaka Umuyaharu, Saclaaki MiyarIulo and Yoshiteru 图4的是改进算法后的目标函数图(引入模糊 Nakamori, Formulations of Fuzzy Clustering for Categorical 加权因子),图5是经典的模糊C-均值算法目 Data, International Journal of Innovative Computing Information and Control(lICIC), vol 1, no, 1, pp 83 标函数图。可以看出图4的函数曲线比图5的函 94,2005(3) 数曲线更加平滑,收敛速度快。 [5 Hugang Han, Information System with Fuzzy Weights 5结论 Intermational Journal of Innovative Computing, Information 本文讨论的是对模糊C-均值聚类算法的改 and Control JICIC ) vol. 2, no 3, pp 553-565, 2006 进,在原有的模糊C-均值算法的基础上,用一种 6]吴晓莉,林哲辉.MAⅣLAB埔助模湖系统设计[M.西安: 新的定义距离的方法替代欧氏空间中距离的定 西安电子科技大学出版社,2002. Improvement of the Fuzzy C-Means Clustering Algorithm WANG Ying-jie Wang, BAI Feng-bo, WANG Jin-hui (1. College of Information Engineering, Dalian University, Dalian, 116622, China 2. MSPD, HiSoft Technology Intemational Ltd., Beijing, 100074, China 3. Beijing Electromechanical Engineering Insitute, Beijing, 100074, China Abstract: An improvement algorithm about the fuzzy c-means clustering algorithm is discussed in this paper. Based on original fuzzy c -rneans clustering algorithm, the improvement algorithm uses a new way of defining distance to displace the distance in Euclidean space. Experimental results show that the improvement algorithm is better than al algurithm and the classification is clearer than original alg Key words Fuzzy c-means algorithm; Fuzzy weighted distance; Fuzzy weighted factor 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论