多重核的可能性模糊聚类算法

摘要

本发明公开了一种基于多重核的可能性模糊c均值聚类算法，其特征是按如下步骤进行：1对样本集合进行最优划分，使得目标函数值最小；2获得初始隶属度矩阵和初始化聚类中心；3迭代获得隶属度值、聚类中心和典型值；4获得引入权重指数之后的目标函数。本发明能准确的规避FCM对噪声点比较敏感以及PCM容易产生一致性聚类的问题，从而能进一步增加算法的准确性，同时能发现最适合权重值以及当前隶属度值的大小，进而提高算法的可靠性和收敛性。