模糊C均值与可能性C均值聚类算法的实现、簇倾向分析与簇验证
机器学习
2019-05-14 v3 计算机视觉与模式识别
摘要
本文给出了若干二维聚类场景。在这些场景中，应用了软划分聚类算法（模糊C均值(FCM)与可能性C均值(PCM)）。随后，使用VAT可视化考察聚类倾向，并依次采用三类指标（如PC、DI和DBI）进行簇验证。观察聚类算法后明显可见，它们各自存在局限；然而PCM比FCM对噪声更鲁棒，因为在FCM中噪声点必须被视为任一簇的成员。
引用
@article{arxiv.1809.08417,
title = {Implementation of Fuzzy C-Means and Possibilistic C-Means Clustering Algorithms, Cluster Tendency Analysis and Cluster Validation},
author = {Md. Abu Bakr Siddique and Rezoana Bente Arif and Mohammad Mahmudur Rahman Khan and Zahidun Ashrafi},
journal= {arXiv preprint arXiv:1809.08417},
year = {2019}
}
备注
8 pages, 13 figures, 8 tables