摘要：针对模糊C-均值（FCM）聚类算法假设各维特征和每个样本对聚类贡献相同，同时需要预先设定聚类数的不足，利用3层前馈神经网络、点密度函数算法和聚类有效性指标对其进行改进，提出一种新的混合聚类算法。该算法考虑到不同特征和不同样本对聚类结果有不同程度的影响，并根据聚类有效性指标的变化自适应确定聚类数来实现聚类。利用基于梯度下降的3层前馈神经网络通过无监督训练来自适应学习特征权值，使用基于点密度函数的算法获取样本权值，给不同特征和不同样本赋予权重，突出敏感特征和典型样本的主导作用，抑制其他特征和样本对聚类的干扰，以提高聚类性能。研究结果表明，对于国际标准测试数据和某机车轴承的早期故障诊断，该混合聚类算法不但能自动确定聚类数，而且聚类的准确性明显比FCM高。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社