基于自適應(yīng)近鄰信息的模糊C均值聚類算法

摘要： 傳統(tǒng)的模糊C均值算法直接基于原始數(shù)據(jù)進(jìn)行聚類，數(shù)據(jù)的內(nèi)在結(jié)構(gòu)可能會被噪聲、異常值或其他因素破壞，因此聚類性能會受到影響。為提升FCM算法的魯棒性，提出了一種基于自適應(yīng)近鄰信息的模糊C均值聚類算法。近鄰信息指的是一種基于數(shù)據(jù)點(diǎn)之間相似度的度量，每個數(shù)據(jù)點(diǎn)都可以看作其他數(shù)據(jù)點(diǎn)的近鄰，但是不同數(shù)據(jù)點(diǎn)之間的相似度是不同的。將樣本點(diǎn)的近鄰信息G_X和類中心點(diǎn)的近鄰信息G_V融入基礎(chǔ)FCM...