一种由FCM算法推导出的隶属函数研究

doi:10.3778/j.issn.1002-8331.2008.32.038

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (32): 129-131.DOI: 10.3778/j.issn.1002-8331.2008.32.038

• 数据库、信号与信息处理 • 上一篇下一篇

一种由FCM算法推导出的隶属函数研究

李春芳^1,3,刘连忠²,陆震¹

1.北京航空航天大学自动化科学与电气工程学院，北京 100083
2.北京航空航天大学计算机学院，北京 100083
3.河北体育学院网络中心，石家庄 050041

收稿日期:2007-12-10 修回日期:2008-03-06 出版日期:2008-11-11 发布日期:2008-11-11
通讯作者: 李春芳

Study on membership function deduced from FCM algorithm

LI Chun-fang^1,3,LIU Lian-zhong²,LU Zhen¹

1.School of Automation and Electrical Engineering，Beihang University，Beijing 100083，China
2.School of Computer，Beihang University，Beijing 100083，China
3.Network Center，Hebei Institute of Physical Education，Shijiazhuang 050041，China

Received:2007-12-10 Revised:2008-03-06 Online:2008-11-11 Published:2008-11-11
Contact: LI Chun-fang

摘要/Abstract

摘要： 分析了Fuzzy C-Means算法中模糊指标m→1⁺和m→∞对隶属函数的模糊控制作用，据此提出一种带模糊指标的隶属函数，具有性质：（1）一个数据点对各个模式的隶属度和为1；（2）模糊指标m控制模糊程度。使用Iris数据集对样板法中新旧两种隶属函数做了实验对比。

关键词: 聚类, FCM算法, 隶属函数, 模糊指标

Abstract: Analyzed the diversification of membership function of FCM algorithm when fuzzy exponent m→1⁺ and m→∞，and proposed a membership function with fuzzy exponent m，which has two features：（1）the sum of memberships for one point to all patterns equals 1；（2）m controls the fuzzy degree.A contrastive experiment with Iris illustrated the conclusion in model method.

Key words: clustering, Fuzzy C-Means（FCM） algorithm, membership function, fuzzy exponent

李春芳^1,3,刘连忠²,陆震¹. 一种由FCM算法推导出的隶属函数研究[J]. 计算机工程与应用, 2008, 44(32): 129-131.

LI Chun-fang^1,3,LIU Lian-zhong²,LU Zhen¹. Study on membership function deduced from FCM algorithm[J]. Computer Engineering and Applications, 2008, 44(32): 129-131.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[7]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[8]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[9]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[10]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[11]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[12]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[13]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[14]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[15]	梅婕，魏圆圆，许桃胜. 基于密度峰值多起始中心的融合聚类算法[J]. 计算机工程与应用, 2021, 57(22): 78-85.

一种由FCM算法推导出的隶属函数研究

Study on membership function deduced from FCM algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics