论文部分内容阅读
针对距离计算对模糊C-均值聚类（Fuzzy C-Means,FCM）中心比较敏感的问题,文中提出了一种改进的模糊C-均值聚类算法（Minkowski Fuzzy C-Means,MFCM）。MFCM算法采用距离指数可自动寻优的闵可夫斯基距离代替欧氏距离来计算样本集的相似度,以提高数据集的聚类准确率,减小平方误差总和。实验结果表明,Glass数据集、Balance-scale数据集和Vehicle数据集的聚类准确率分别由原来的42.52%、55.84%和45.86%提升到51.87%、62.56%和45.9