一种约束的改进可能性C均值聚类方法研究

发布时间：2018-01-19 15:43

本文关键词： 聚类 C均值模糊C均值可能性C均值改进的可能性C均值　出处：《甘肃农业大学学报》2016年06期 　论文类型：期刊论文

【摘要】：【目的】针对改进的可能性C均值聚类方法(IPCM)运算效率低,难以处理复杂数据结构的问题,提出了一种约束的改进可能性C均值聚类方法(CIPCM).【方法】CIPCM方法采用多项式核将特征向量映射到一个隐性特征空间,便于处理复杂的数据结构;引入两个成对约束集合,降低聚类迭代次数,提高运算效率和抗干扰能力.实验采用国际公认的UCI公共测试数据集,并用错分率指标评测了目标分类性能.【结果】CIPCM方法的聚类错分率低,对噪声的鲁棒性强.【结论】CIPCM运算效率比高于改进可能性C均值聚类方法.
[Abstract]:[objective] the improved probabilistic C-means clustering method (IPCM) is difficult to deal with complex data structures because of its low efficiency. An improved possibility C-means clustering method with constraints is proposed. [methods] the CIPCM method uses polynomial kernels to map the feature vectors to a hidden feature space. Easy to deal with complex data structures; Two pairs of constraint sets are introduced to reduce the number of clustering iterations and improve the computational efficiency and anti-interference ability. The internationally recognized UCI common test data set is used in the experiment. The performance of target classification is evaluated with the index of error rate. [results] the clustering error rate of CIPCM method is low. [conclusion] the efficiency ratio of CIPCM is higher than that of the improved probabilistic C-means clustering method.
【作者单位】：嘉应学院计算机学院;厦门大学软件学院;
【基金】：国家自然科学基金面上项目(41172028);国家自然科学基金青年科学基金项目(61403164)
【分类号】：TP311.13
【正文快照】： 聚类是一种无监督的分类方法,依据各类目标之间的相似性自动进行分类,广泛应用于数据挖掘、模式识别、图像处理等领域[1].现有聚类方法主要分为四类:基于划分的聚类方法、基于分层的聚类方法、基于密度的聚类方法和基于网格的聚类方法,目前应用最为广泛的是基于划分的聚类方法

【相似文献】