论文部分内容阅读
传统的模糊C-均值(FCM)聚类是一种基于梯度下降的优化算法,该方法对初始化较敏感,且易陷入局部极小.借用模拟退火中系统温度的概念,提出基于退火的状态转移式模糊C-均值聚类方法,利用温度来控制类别中心的选取概率.实验结果表明,该方法可克服系统对数据集及初始解的敏感度,且能尽量避免陷入局部极小,而获得质量更优的解.