【作者】 黄建军； 杨勋； 谢维信；

【Author】 HUNG Jianjun~1 YANG Xun~2 XIE Weixin~1 (1 College of Information Engineering,Shenzhen University,Shenzhen,518060,email:huangjin@szu.edu.cn) 2 School of Electronical Engineering,Xidian University,Xi’an 710071)

【机构】 深圳大学信息工程学院； 西安电子科技大学电子工程学院；

【摘要】 本文提出了一种基于类云模型的c-均值聚类算法(简称云c-均值聚类,CCM)。它采用云模型来描述每一类,可以有效反映样本数据的随机不确定性和模糊不确定性,因而比FCM算法更适用。另外,由于每一类用云模型来描述,可以避免聚类目标函数产生平凡解,因而它不需要FCM中的归一化条件,解决了FCM算法因为归一化条件带来的问题。与FCM算法的对比实验验证了CCM算法的有效性。更多还原

【Abstract】 An cluster cloud model based approach to c-means clustering is presented(named cloud c-means clustering,CCM for short).Each cluster in CCM is modeled by a cloud model,which characterizes the stochastic and fuzzy uncertainty of clustering samples,thus is much more applicable than FCM.Besides,the cluster cloud modeling avoids a trivial solution of the clustering object function in FCM,which overcomes problems brought to FCM by the normalization condition.Experiments of the comparison between FCM and CCM show the effectiveness and efficiency of the proposed method.更多还原