|
|||||
|
|
| 一种基于核的快速可能性聚类算法 | |
| 作者姓名： | 韩旭东 夏士雄 刘兵 周勇 |
| 作者单位： | 中国矿业大学 计算机学院,江苏 徐州 221116 |
| 摘 要： | 传统的快速聚类算法大多基于模糊C均值算法（Fuzzy C-means,FCM）,而FCM对初始聚类中心敏感,对噪音数据敏感并且容易收敛到局部极小值,因而聚类准确率不高。可能性C-均值聚类较好地解决了FCM对噪声敏感的问题,但容易产生一致性聚类。将FCM和可能性C-均值聚类结合的聚类算法较好地解决了一致性聚类问题。为进一步提高算法收敛速度和鲁棒性,提出一种基于核的快速可能性聚类算法。该方法引入核聚类的思想,同时使用样本方差对目标函数中参数η进行优化。标准数据集和人造数据集的实验结果表明这种基于核的快速可能性聚类算法提高了算法的聚类准确率,加快了收敛速度。 |
| 关 键 词： | 模糊C-均值聚类 可能性聚类 核聚类 |
| 修稿时间： | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 | |
| 点击此处可从《计算机工程与应用》下载免费的PDF全文 | |