稀疏模糊C均值聚类方法

摘要

本发明提供了一种基于Witten的稀疏聚类框架的稀疏模糊C聚类方法；将FCM目标函数改写成各个函数项的和的形式，每一函数项都只跟一个属性有关；再给每一个属性赋予一个权重，并进一步改写为加权的各项函数和形式；对权重进行L1和L2正则化约束，通过轮流固定权重和隶属度的迭代求解得到稀疏解。与传统的FCM算法相比，本发明提高了聚类能力，比FCM更适合高维数据的聚类，可方便应用于数据挖掘、机器学、生物信息学等领域。

主权项

稀疏模糊C均值聚类方法，其特征在于，包括以下步骤：（1）、设{x1，x2，...，xn}，xi∈Rp为n个待聚类的点，V={v1,v2,...,vK}为当前的K个类中心，U=(uik)为隶属度矩阵，uik表示xi属于第k类的隶属度；（2）、将FCM算法的最小化类内方差的目标函数改写为若干函数项的和的形式，其中每一函数项只跟一个属性有关；（3）、将步骤（2）得到的若干函数项的和改写为对应的最大化类间方差；（4）、给每一个属性赋予一个权重wj，p个权重值构成权重w；将步骤（3）中对应的函数项乘以该权重wj，最大化类间方差的目标函数变成一个对属性加权后的类间方差，并给权重以L1和L2范数约束，得到加权后的函数；（5）通过轮流固定隶属度uik和权重wj的迭代求解步骤（4）加权后的目标函数，迭代终止时得到聚类结果和选择出的属性集。