文章详情

摘要

文章的研究对象是模糊C均值（FCM）聚类算法，旨在提升FCM在处理复杂数据时的有效性。传统FCM假设一个样本对每个聚类的隶属度之和为1，称为样本贡献度。然而，在处理噪声点和孤立点时，聚类的有效性可能会下降。为此，文章提出了一种新型模糊聚类方法，通过放宽隶属度之和为1的条件，引入新的隶属度划分方式，即隶属度之和为样本总数n的创新定义。该方法根据样本与聚类中心的距离动态调整隶属度，并将隶属度划分为三个层次，以提升聚类的有效性。通过数学推导和实验验证，改进后的算法在处理复杂数据集时，准确率提高了6.41%，召回率提升了5.81%，显著提升了算法的性能。

关键词

模糊C均值；隶属度；样本贡献度；目标检测

参考文献

1. [1] 陈奇南，梁洪峻.模糊集和粗糙集 [J].计算机工程，2002，28（8）：138-140.
2. [2] 吴静，刘衍珩，吕荣.基于FCM的分布式学习方法 [J].吉林大学学报：工学版，2010，40（1）：171-175.
3. [3] HOPPER F，KLAWONN F. Improved Fuzzy Partitions for Fuzzy Regression Models [J].International Journal of Approximate Reasoning，2003，33（2-3）：85-102.
4. [4] 朱林，王士同，邓赵红.改进模糊划分的FCM聚类算法的一般化研究 [J].计算机研究与发展，2009，46（5）：814-822.
5. [5] 李洁，高新波，焦李成.基于特征加权的模糊聚类新算法 [J].电子学报，2006（1）：89-92.
6. [6] 贺思艳，李鹏，刘澄玉，等.互模糊熵中隶属函数的改进和影响分析 [J].山东大学学报：工学版，2014，44（1）：63-68.
7. [7] 魏延，李晓虹，邬啸.后验概率加权的模糊隶属度函数 [J].重庆大学学报，2012，35（8）：127-133.
8. [8] 邹鹏，杨凯军，梁晨.改进YOLOv5的轻量级不规范驾驶行为实时检测 [J].计算机工程与应用，2023，59（13）：186-193.
9. [9] 谭俊.一个改进的YOLOv3目标识别算法研究 [D].武汉：华中科技大学，2017.
10. [10] TERVEN J，ESPARZA D M C，GONZÁLEZ J A R. A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS [J].Machine Learning and Knowledge Extraction，2023，5（4）：1680-1716.
11. [11] 李必成，张晨曦，季钰翔，等.人工智能识别与人工识别红外相机动物影像准确率分析：以上海大金山岛猕猴监测为例 [J].生态与农村环境学报，2023，39（7）：918-923.
12. [12] 吕宗喆，徐慧，杨骁，等.面向小目标的YOLOv5安全帽检测算法 [J].计算机应用，2023，43（6）：1943-1949.
13. [13] 周丽芳，刘金兰，李伟生，等.基于IoU约束的孪生网络目标跟踪方法 [J].北京航空航天大学学报，2022，48（8）：1390-1398.

基金项目

江苏省高校“青蓝计划”资助；2024江苏省创新训练通用资助项目（202413654018Y）；2023南京理工大学紫金学院大学生创新训练计划资助项目（ZJSRTP2023118）

作者简介

钱司远（2004—），男，汉族，江苏南京人，本科在读，研究方向：软件工程、人工智能、大数据。