新的模糊聚类有效性指标

？在经典的模糊c均值（fcm）算法中，聚类数需要预先给出，否则算法无法工作，这在一定程度上限制了fcm算法的应用范围。针对fcm算法中聚类数需要预先设定问题，提出了一种新的模糊聚类有效性指标。首先，通过运行fcm算法得到隶属度矩阵；然后，通过隶属度矩阵计算类内紧密性和类间重叠性；最后，利用类内的紧密性和类间的重叠性定义了一个新的聚类有效性指标。该指标克服了fcm算法中类数需要预先设定的缺点，利用该指标可以发现最符合数据自然分布的类的数目。通过对人工数据集和实际数据集的测试表明，对于模糊因子取1.8，2.0和2.2三个不同的常用值，均能发现最优聚类数。