| 一种改进的多尺度可能性聚类算法 |
| |
| 引用本文： | 胡雅婷,曲福恒.一种改进的多尺度可能性聚类算法[J].长春理工大学学报,2016,39(5):115-118. |
| |
| 作者姓名： | 胡雅婷 曲福恒 |
| |
| 作者单位： | 吉林农业大学 信息技术学院,长春,130118;长春理工大学 计算机科学与技术学院 长春 130022 |
| |
| 基金项目： | 吉林省教育厅"十二五"科学技术研究项目(2015201),吉林省教育厅"十三五"科研规划重点课题(2016186),吉林省教育科学规划课题(GH150221) |
| |
| 摘 要： | 针对多尺度可能性聚类算法(MPCM)计算复杂度较高的问题,提出一种改进的多尺度可能性聚类算法(IMPCM).算法利用k-均值聚类的收敛点来作为MPCM的初始点,在继承了MPCM优点的同时,解决了原始MPCM中无效初始点过多以及初始点位置不理想造成的迭代次数过高的问题.对比实验结果表明,算法具有良好的聚类效果与更高的计算效率.
|
| 关 键 词： | k-均值聚类 可能性聚类 均值漂移 |
An Improved Multi-scale Possibilistic Clustering Algorithm |
| |
| HU Yating,QU Fuheng.An Improved Multi-scale Possibilistic Clustering Algorithm[J].Journal of Changchun University of Science and Technology,2016,39(5):115-118. |
| |
| Authors: | HU Yating QU Fuheng |
| |
| Abstract: | To overcome the problems of having a high computation of multi-scale possibilistic clustering algorithm (MPCM),an improved algorithm is proposed in this paper. IMPCM uses the convergent points of k-means to initial-ize MPCM. IMPCM inherits the merits of the MPCM. In the meanwhile,IMPCM solves the problem of MPCM that the initialization points are superfluous and the position is not ideal which make MPCM has too many iteration times. The contrast experiments show that IMPCM has a good clustering results and high computational efficiency. |
| |
| Keywords: | K-means clustering possibilistic clustering mean shift |
| 本文献已被 万方数据 等数据库收录！ |
|
