《表2 各算法所得的聚类簇中心》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于自适应松弛的鲁棒模糊C均值聚类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表1、表2和图2所示，不同的模糊聚类算法在处理异常值样本时，表现出了不同的特性。对于FCM和FDCM＿SSR算法而言，异常值样本的隶属度满足约束条件，因而两个可分性较好的数据簇受到噪声样本较大的拉扯力，数据簇中心发生了偏移。而对于PCM，NC，REFCM算法而言，尽管异常值样本的隶属度约束条件被松弛了，降低了异常值样本的影响，数据簇中心没有发生偏移，但其他正常样本的作用力同时也被降低了，数据簇的内聚程度被降低。相反地，AR-RFCM在降低异常值样本作用的同时，很好地保留了正常样本的作用力，增大了各数据簇的内聚程度，提高了算法的鲁棒性。