一种基于双变加权核FCM算法的数据聚类方法

摘要

本发明公开了一种基于双变加权核FCM算法的数据聚类方法，首先对数据集合进行最优划分，使得目标函数最小；获得初始隶属度矩阵，典型值矩阵和初始聚类中心；计算多核高维空间中数据点和聚类中心的距离；迭代获得隶属度值，可能性典型值；以使目标函数得到最小值对应的聚类结果作为最终聚类结果。本发明采用组合核引导的核函数代替普通的欧式距离函数，能更好地划分线性数据和非线性数据；采用典型值矩阵来增强算法的抗噪性，提高算法聚类的准确率，可自动调整多种核在组合核中的比例来满足不同数据集对不同核函数的要求，解决了普通核算法对核函数选择的不确定问题。