该论文研究探讨了一种基于密度峰值优化的模糊C均值聚类算法。

简介：
针对传统模糊C均值聚类算法以及基于K-means优化聚类中心的模糊C均值算法，存在着明显的局限性，例如初始聚类中心容易受到影响、聚类过程的收敛速度较慢，并且算法的簇数量需要手动设定。为了克服这些缺点，本文受密度峰值聚类算法（Clustering by Fast Search and Find of Density Peaks，CFSFDP）的启发，设计了一种基于密度峰值算法优化的模糊C均值聚类算法。该算法能够自适应地生成初始聚类中心，并自动确定最佳的簇数量，同时对算法的收敛过程进行优化。通过实验验证表明，所提出的改进后的算法在准确估计簇的数量方面表现出显著优势，并且显著提升了算法的性能表现，有效加快了聚类过程的收敛速度，从而获得了更为理想的聚类结果。