山东大学学报(理学版)

作者：李文焱,李丽红,王洪欣

单位：1.华北理工大学理学院, 河北 唐山 063210;2.河北省数据科学与应用重点实验室, 河北 唐山 063210;3.唐山市数据科学重点实验室, 河北 唐山 063210

关键词：模糊粗糙集,知识度量,聚类分析,高斯核函数,上下近似集,

基金：唐山市基础研究项目(24130202C)

提出基于知识度量的模糊粗糙c-均值聚类(fuzzy rough c-means based on the knowledge measure, KFRCM)算法。传统聚类算法在处理具有模糊边界的数据时存在一定的局限性,表现为对初始聚类中心较为敏感且在高维空间中效率较低。为解决上述问题,引入特征加权的知识度量,结合模糊隶属度函数与粗糙集近似算子,采用高斯核相似度以增强边界特性。实验采用14个数据集,实验结果表明,KFRCM算法的聚类准确性、稳定性和计算效率均优于6种主流聚类算法。该研究首次将知识度量与模糊粗糙聚类相结合,为开发更为可靠和适应性更强的聚类算法提供了新的思路和算法。

来源：2026年第1期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2026年第1期