于福华，范永青

(西安邮电大学 自动化学院, 陕西 西安 710121)

基于改进FCM算法的交通流分析

于福华，范永青

(西安邮电大学 自动化学院, 陕西 西安 710121)

摘要:针对交通流聚类问题，提出一种改进的模糊C-均值算法。该算法根据交通流特点，对样本数据集进行处理得到模糊等价矩阵，通过改进隶属度函数和距离度量函数得到新的目标函数,利用拉格朗日算法优化隶属度和聚类中心，最后通过凝聚度和分离度实现自动聚类。实验结果表明，改进FCM算法削弱了突变点影响，提高了聚类效果。

关键词:FCM算法；改进FCM算法；隶属度函数；聚类中心；交通流

模糊C-均值(FuzzyC-Means，FCM)聚类算法是由硬C-均值(HardC-Means，HCM)聚类算法发展而来[1]，已被广泛应用于模式识别[2-3]、数据挖掘[4-5]、图像处理[6]及机器学习[7]等领域。

交通流数据尤其是小数据量交通流数据存在数据噪声，并且实时交通流是动态变化的，其聚类数及聚类中心未知，这对FCM聚类算法提出更高的要求。现有的FCM聚类算法在交通流数据聚类中存在抗噪性不足的问题[8-10]。本文通过改进隶属度函数和距离度量函数，对FCM聚类算法进行优化，最后利用改进的FCM自动聚类算法对某高速公路交通流样本数据进行聚类分析。

1FCM聚类算法

FCM算法通过迭代优化目标函数而得到聚类结果，用隶属度来反映样本点隶属于某一类的程度[11]。原始数据样本集X={x1,x2,…,xn}，共n个样本，每个样本有m项指标。建立优化目标函数

其中隶属矩阵为U=(uij)c×n，uij表示数据集合中第j个元素对第i个聚类中心的隶属度；……