模糊c均值与支持向量机相结合的增强聚类算法

？针对传统重复聚类算法精度不高、消耗资源较大的缺点，提出了一种模糊c均值(fcm)与支持向量机(svm)相结合的增强聚类算法。该算法思路是先将实例数据集利用fcm粗分为c类，然后使用svm再对每一类进行细化分类，实现中提出了基于完全二叉树的决策级联式svm模型，以便达到增强聚类的目的。针对使用fcm迭代聚类的过程中有可能会出现新的特征使原有的聚类失去平衡性的问题，提出了使用划分的思想对数据集进行预处理来消除这种不利影响。利用鸢尾属植物真实数据集对相关算法进行实验对比分析，结果表明该算法能够克服精度低的缺点，并节约了系统资源，可以提高聚类的质量。