综上所述,FCM聚类算法具有处理不确定性和噪声数据能力强、对初始值和参数选择不敏感、能够处理任意形状的簇等优点。但是也存在计算复杂度高、对数据规模敏感、对参数选择敏感以及对空簇敏感等缺点。在实际应用中,应根据具体问题和数据集的特点选择是否使用FCM聚类算法。如需更多与FCM聚类算法相关的信息,建议查阅相关文献...
2.ISODATA算法(即FCM聚类算法)是由K-均值算法发展而来的一种重要的聚类分析算法,这种算法对特性比较复杂而人们又缺少认识的对象进行分类,可以有效地实施人工干预,加入人脑思维信息,使分类结果更符合客观实际,可以给出相对的最优分类结果,因而具有一定的实用性。然而该算法同样存在不足之处,主要有:需要设定...
fcm聚类算法缺点: 算法在分类时有个主要的不足是,当样本不平衡时,如一个类的样本容量很大,而其他类样本容量很小时,有可能导致当输入一个新样本时,该样本的K个邻居中大容量类的样本占多数。 该算法只计算“最近的”邻居样本,某一类的样本数量很大,那么或者这类样本并不接近目标样本,或者这类样本很靠近目标样本。...