论文研究基于密度函数加权的模糊C均值聚类算法研究.pdf

模糊聚类算法具有较强的实用性，但传统模糊C均值算法（FCM）具有对样本集进行等划分趋势的缺陷，没有考虑不同样本的实际分布对聚类效果的影响，当数据集中各样本密集程度相差较大时，聚类结果不是很理想。因此，提出一种基于密度函数加权的模糊C均值聚类算法（DFCM算法），该算法利用数据对象的密度函数作为每个数据点权值。实验结果表明，与传统的模糊C均值算法相比，DFCM算法具有较好的聚类效果。