学术论文

      改进模糊划分的FCM聚类算法的一般化研究

      Research on Generalized Fuzzy C-Means Clustering Algorithm with Improved Fuzzy Partitions

      摘要:
      聚类分析是无监督模式识别中的一种重要方法,已广泛应用于数据挖掘、图像处理、计算机视觉、生物信息和文本分析中.在聚类算法中,模糊指数m对聚类结果有十分重要的影响.针对IFP-FCM算法模糊指数m被限定为2的问题,提出了一般化的改进模糊划分的FCM聚类算法GIFP-FCM.通过引入新的隶属度约束,解决了IFP-FCM算法模糊指数m的一般化问题;同时GIFP-FCM算法从Voronoi距离和竞争学习的角度对其鲁棒性和快速收敛性进行了合理解释;其次,通过引入模糊程度系数α,使得FCM算法和IFP-FCM算法分别表示为GIFP-FCM算法在α等于0和α趋于1时的特例.实验结果表明,GIFP-FCM算法较之于IFP-FCM和FCM算法具有更好的鲁棒性和参数适应性;在纹理图像分割中,GIFP-FCM也明显优于IFP-FCM和FCM算法.
      作者: 朱林 [1] 王士同 [2] 邓赵红 [2]
      Author: Zhu Lin [1] Wang Shitong [2] Deng Zhaohong [2]
      作者单位: 上海交通大学图像处理与模式识别研究所,上海,200240;江南大学信息工程学院,江苏无锡,214122 上海交通大学图像处理与模式识别研究所,上海,200240
      刊 名: 计算机研究与发展 ISTICEIPKU
      年,卷(期): 2009, 46(5)
      分类号: TP391.4
      机标分类号: TP1 TP3
      在线出版日期: 2009年6月10日
      基金项目: 国家高技术研究发展计划(863计划),国家自然科学基金,国防应用基础研究基金