郭华峰　陈德华　潘修强

(浙江工贸职业技术学院信息传媒学院　浙江 温州 325003)



一种自适应参数的切换回归聚类算法

郭华峰陈德华潘修强

(浙江工贸职业技术学院信息传媒学院浙江 温州 325003)

摘要自模糊c回归模型(FCRM)聚类算法提出以来，其在收敛速度和鲁棒性等方面的改进一直是研究的热点。为此，M.S.Yang等提出模糊c回归模型α(FCRMα)算法，该算法引入参数α，对FCRM算法进行了快速迭代，提高了算法的鲁棒性。然而该算法存在参数α选值的问题。针对这种情况，基于相似关系理论提出一种自适应的α参数取值方法，得到了自适应迭代过程的SAFCRM算法。多个实验表明，相对于FCRMα算法，SAFCRM算法具有更强的鲁棒性，收敛速度更快，得到的回归效果也更好。

关键词切换回归模糊聚类参数优化自适应

0引言

回归分析是一种确定两个或多个变量间函数关系的统计分析方法。单一回归模型常常被用于对简单数据集的拟合，探索数据的演变规律。然而，有时候数据集不止包含一个回归模型，而是多个简单回归模型组合而成的混合回归模型，这种模型被称为切换回归模型。Quandt和Chow最先开始了切换回归模型的研究[1-3]，并应用于经济领域，其后，Hathaway和Bezdek首次把模糊c均值FCM(Fuzzy c-means)算法的内容结合到切换回归模型中，提出了模糊c回归模型(FCRM)聚类算法[4]。由于FCRM算法的应用效果非常显著，吸引了研究者越来越多的目光。

文献[5]在FCRM算法基础上，结合引力聚类算法GC，提出了新的集成模糊聚类算法GFC，提高了算法的收敛速度。……