| 基于特征加权距离的双指数模糊子空间聚类算法 |
| |
| 引用本文： | 王骏,王士同,王晓明.基于特征加权距离的双指数模糊子空间聚类算法[J].控制与决策,2010,25(8):1207-1210. |
| |
| 作者姓名： | 王骏 王士同 王晓明 |
| |
| 作者单位： | 1. 南京理工大学计算机科学与技术学院,南京210094;江南大学,信息工程学院,江苏,无锡,214122
2. 江南大学,信息工程学院,江苏,无锡,214122 |
| |
| 基金项目： | 国家自然科学基金项目，江苏省自然科学基金项目，江南大学青年基金项目 |
| |
| 摘 要： | 传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数γ和β,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.
|
| 关 键 词： | 模糊聚类 特征加权距离 全局收敛性 非平衡数据集 |
| 收稿时间： | 2009/7/28 0:00:00 |
| 修稿时间： | 2009/11/24 0:00:00 |
Double-indices fuzzy subspace clustering algorithm based on feature weighted distance |
| |
| WANG Jun,WANG Shi-tong,WANG Xiao-ming.Double-indices fuzzy subspace clustering algorithm based on feature weighted distance[J].Control and Decision,2010,25(8):1207-1210. |
| |
| Authors: | WANG Jun WANG Shi-tong WANG Xiao-ming |
| |
| Abstract: | The conventional fuzzy clustering algorithms(FCM) fall short when clustering is performed in high dimensional spaces, because they use the Euclidean metric to compute the distance between data points. In this paper, a fuzzy subspace clustering algorithm is proposed by introducing the feature weighted distance and the power exponent and into the objective function of FCM. The global convergence property of the proposed algorithm is discussed. The experimental results on real dataset show the effectiveness of the algorithm. |
| |
| Keywords: | Fuzzy clustering|Feature weighted distance|Global convergence|Unbalanced dataset |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
|
