紧邻类与小类数据集下的模糊聚类有效性指标

摘要

模糊聚类有效性指标主要是为了解决模糊C-均值算法需要事先给定最佳聚类数的缺陷,但是现有的大多数模糊聚类有效性指标一般过于依赖聚类质心,使得这类指标在含有紧邻类与大小、密度差异大的数据集上无法准确地判断最佳聚类数.为了缓解这个问题,提出了新聚类有效性指标WS.WS指标在一定程度上考虑了最大最小隶属度法则与模糊集偏差,从而全面展示了数据集的整体信息.在人工与真实数据集上,评估WS指标与现有一些指标的有效性,新指标展现出了较高的准确性.在不同的模糊度下,WS指标表现出了较好的鲁棒性.