论文部分内容阅读
FCM算法提出用模糊隶属度表示样本数据的隶属于某个类的程度,能够克服HCM算法划分的不合理性.研究分析发现FCM算法对噪声数据具有敏感性,很难有效的识别噪声数据;FCM由于限制条件使得聚类结果与实际的分类不一致.针对此不足之处,文章提出一种非噪声敏感性FCM算法(INFCM),取消了限制条件,用典型值代替了隶属度值,构建了目标方程,为了克服聚类过程中一致性,在目标方程中增加了惩罚因子,分析了惩罚因子的组成,最后提出了聚类算法步骤.实验表明新的聚类算法能够有效克服对噪声的敏感性,提高了聚类的可理解性.