第四届厦门大学科技期刊论文视频摘要大赛参赛作品
视频作者：杨昔阳，陈海燕
视频简介：针对模糊聚类任务中模糊化参数难以预设以及二型模糊集在解模糊阶段计算量大的问题, 本文旨在提出一种高效且稳健的二型模糊聚类方法, 以兼顾计算速度与聚类准确性. 该方法在目标函数中同时引入样本与簇中心的距离以及二型模糊集的数字特征, 实现类簇中心与二型模糊隶属度的联合优化. 算法在迭代过程中仅需更新数字特征, 无需执行Karnik–Mendel解模糊过程, 从而显著降低计算复杂度并提升抗噪性能. 在公开数据集及电影分类数据集上的实验结果表明,该方法在聚类准确率、噪声容忍度及运行时间方面均优于传统聚类算法, 具有通用性与有效性.
