一種局部搜索自適應(yīng)核模糊聚類方法

　　核模糊C均值聚類KFCM是利用核函數(shù)將數(shù)據(jù)映射到高維空間，通過(guò)計(jì)算數(shù)據(jù)點(diǎn)與聚類中心的隸屬度對(duì)數(shù)據(jù)進(jìn)行聚類的算法，擁有高效、快捷的特點(diǎn)而被廣泛應(yīng)用于各領(lǐng)域，然而KFCM算法存在對(duì)聚類中心的初始值敏感和不能自適應(yīng)確定聚類數(shù)兩個(gè)局限性。針對(duì)這兩個(gè)問(wèn)題，提出一種局部搜索自適應(yīng)核模糊聚類方法，該方法引入核方法提高數(shù)據(jù)的可分性，并構(gòu)造基于核函數(shù)的評(píng)價(jià)函數(shù)來(lái)確定最優(yōu)的聚類數(shù)目和利用部分樣本數(shù)據(jù)進(jìn)行局部搜索以尋找初始聚類中心。人工數(shù)據(jù)和UCI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
?