一种改进的FCM算法及仿真实验研究

摘要

针对模糊C均值(FCM)算法的缺陷,提出了一种改进的FCM算法。将物理学中的信息熵概念引入聚类分析中,用熵值法度量样本的各种属性对分类不同程度的影响,并用模糊划分系数FC(μ)和平均模糊熵HC(μ)对改进后的算法性能进行了评价。仿真实验结果表明,改进后算法的FC(μ)和HC(μ)分别为0.919和-0.096,改进后的FCM算法在实际的聚类分析中能取得更好的分类效果。