%0 Journal Article
%T 基于样本加权的可能性模糊聚类算法
%A 刘兵
%A 夏士雄
%A 周勇
%A 韩旭东
%J 电子学报
%P 371-375
%D 2012
%R 10.3969/j.issn.0372-2112.2012.02.026
%X 可能性模糊聚类算法解决了噪音敏感和一致性聚类问题,但算法假定每个待分析样本对聚类的贡献相同,导致离群点或噪声点对算法的干扰较强,算法迭代次数过大.为此,提出一种基于样本加权的可能性模糊聚类算法,新算法具有更快的收敛速度,对标准数据集和人工数据集加噪后的测试结果表明,该算法具有更强的鲁棒性,在有效降低时间复杂度的同时能够取得较好的聚类准确率.
%K 样本加权
%K 可能性C-均值聚类
%K 可能性模糊聚类
%U http://www.ejournal.org.cn/CN/abstract/abstract4597.shtml