论文部分内容阅读
为了解决模糊C均值聚类算法（FCM）中聚类类数初始值是由先验知识人为确定并且目标函数忽略了样本属性数据之间的不均衡性问题，提出了一种基于模拟退火的样本加权FCM算法（SASWFCM），利用模拟退火算法可以寻求全局最优解的特点，计算出聚类数初始值，并对聚类中心和目标函数进行加权处理。通过实验分析，该算法与原FCM算法相比较而言，无需人为确定聚类初始值并且在分类准确数和准确率上有所提高，体现了算法的优越性，验证了改进后算法的实际价值。