广义均衡模糊c均值聚类算法

？模糊c均值聚类(fcm)算法是一种快速有效的聚类算法,但它没有考虑各类样本容量的差异,其最小化代价函数会导致聚类判决有利于少样本类.提出一种新的聚类算法—-广义均衡模糊c均值聚类,通过对模糊c均值聚类最小化代价函数的改进,使得样本容量在聚类代价函数中发挥效用,从而弱化了样本容量差异对聚类判决的干扰.讨论分析了该算法的性质,模糊隶属度的推导突破了fcm解析解的约束.通过仿真实验,验证了所提出算法的有效性.