一种基于数字特征的二型熵模糊c均值聚类算法

摘要

普通二型模糊聚类算法将隶属度看作一个二型模糊集合,在提高隶属度描述能力的同时,大幅度增加了运算量.为克服这种缺点,提出了一种基于二型模糊集合数字特征的模糊c均值算法,并推导出了隶属度和聚类中心的迭代求解公式.该聚类方法仍将隶属度表示为二型模糊集合,但其目标函数只涉及这些二型模糊集合的数字特征,隶属度的迭代更新公式也只涉及相应的数字特征的更新,从而降低了经典二型模糊聚类的运算量.该方法可以看作是经典的一型模糊聚类的推广,也可以看作是二型模糊聚类的简化.实验表明,这种算法具有较好的抗噪能力和聚类精度,并且可以有效识别噪音数据.