基于初始聚类中心选取的改进fcm聚类算法

针对模糊c-均值（fuzzyc-means，fcm）算法聚类效果往往受到初始聚类中心影响，收敛结果易陷入局部极小的问题，提出了一种改进的模糊c均值聚类算法。算法给出了一种简洁快速的初始聚类中心的选取规则，并根据聚类中心的分离特性改进了目标函数，从而使获得的聚类结果为全局最优。仿真结果证明新算法与传统fcm方法相比，迭代次数少，准确率高，同时也更加适用于样本数据分类不均衡的聚类问题。