高阶异构数据模糊联合聚类算法

？为了更有效地分析聚簇重叠部分高阶异构数据的聚簇结果，提出了一种高阶异构数据模糊联合聚类（hfcc）算法，该算法最小化每个特征空间中对象与聚簇中心的加权距离。推导出对象隶属度和特征权重的迭代更新公式，设计出聚类过程的迭代算法，并且从理论上证明了该迭代算法的收敛性。另外，通过泛化xb指标，提出适用于评估高阶异构数据聚类质量的指标gxb，用于判断聚簇数目。实验表明，hfcc算法能够有效探测数据内部隐藏的重叠聚簇结构，并且hfcc算法聚类效果明显优于5种有代表性的硬划分算法，此外gxb指标能够有效判定高阶异构数据的聚簇数目。