基于非负矩阵分解和模糊C均值的聚类方法

摘要

本发明公开了一种基于非负矩阵分解和模糊C均值的聚类方法，用于实现对拥有大量的高维特征的数据样本的聚类，包含利用非负矩阵分解方法对高维特征进行降维处理的技术手段和利用模糊C均值实现模糊聚类的算法内容。考虑到运行NMF算法可以节省更多的时间和存储空间，但也有可能破坏数据样本之间的本质结构，影响聚类效果。为了减少负面影响，提出了一种新的聚类算法FCM‑NMF，实现在NMF压缩样本数据的过程中的模糊聚类，利用交替迭代法并给出多个更新规则，再根据隶属度划分矩阵判断数据样本所属的簇团。该方案设计复杂度低，操作简单，易于实现。相较于传统的聚类算法的方案，具有更优性能。