基于样本密度的非监督动态改进FCM算法

针对传统FCM算法中聚类结果对初始聚类中心敏感,分类数C依赖于先验知识确定的不足,提出了基于样本密度的非监督动态改进FCM算法。该算法基于初始样本密度确定初始聚类中心,基于模糊伪F统计量自动确定最佳分类数,实现了基于样本密度非监督状态下的动态聚类。选取瓦斯涌出量的聚类分析进行应用,应用结果表明,该算法能合理选择初始聚类中心并动态确定分类数,降低了对初始聚类中心的依赖度,提高了收敛速度和自动化程度,并能根据指标做出正确预测。