基于清晰半径的模糊点二次聚类算法

？针对模糊c-均值(fcm)聚类算法在模糊边界上容易出现划分错误的问题，提出一种对模糊点进行二次处理的改进算法。该算法以各类中的数据分布密度为依据，首先利用清晰点构成超球体中心区域，然后基于中心区域的清晰半径定义一种新的相似性距离，并利用该距离对模糊点的隶属度进行二次计算，重新确定其类别归属。实验结果显示，改进算法能有效纠正分类错误，提高模糊点的清晰度，在密度差异较大的数据集上具有一定的应用潜力。