属性加权多核模糊聚类算法研究

摘要

针对多数据源或异构数据集,采用单个核函数的聚类效果不理想的问题,以及考虑到不同属性对不同类别重要性的差异,本文提出了一种属性加权多核模糊聚类算法(WMKFCM)。该算法将多核模糊聚类算法与属性加权核模糊聚类算法相结合,不仅能够处理单个核函数不能满足待聚类数据集聚类准确度要求的问题,而且能在聚类过程中根据不同类的具体特性动态调整各个属性对于不同类别的重要性。聚类实验表明,在牺牲一定的运行时间和迭代次数的前提下,相比于属性加权核模糊聚类算法和多核模糊聚类算法,属性加权多核模糊聚类算法具有更高的聚类准确度。