论文研究一种协同的可能性模糊聚类算法.pdf

模糊C-均值聚类（FCM）对噪声数据敏感和可能性C-均值聚类（PCM）对初始中心非常敏感易导致一致性聚类。协同聚类算法利用不同特征子集之间的协同关系并与其他算法相结合，可提高原有的聚类性能。对此，在可能性C-均值聚类算法（PCM）基础上将其与协同聚类算法相结合，提出一种协同的可能性C-均值模糊聚类算法（C-FCM）。该算法在改进的PCM的基础上，提高了对数据集的聚类效果。在对数据集Wine和Iris进行测试的结果表明，该方法优于PCM算法，说明该算法的有效性。