基于边界区域局部模糊增强的πRKM聚类算法

发布时间：2018-06-20 22:28

本文选题：粗糙聚类 + k-means　；参考：《控制与决策》2017年11期

【摘要】：如何对交叉边界区域的数据对象进行度量与处理一直是粗糙k-means(RKM)及其衍生算法的主要出发点.πRKM算法通过引入Laplace无差别原则,较好地解决了传统RKM算法对权重系数的选择比较敏感等相关问题,但没有考虑边界区域多个类簇的交叉程度以及边界区域数据对象的空间位置分布对聚类结果的影响.鉴于此,设计一种对边界区域的数据对象进行局部模糊度量的方法,并提出基于边界区域局部模糊增强的πRKM聚类改进算法,通过多组实例分析验证了所提出算法的有效性.
[Abstract]:How to measure and process the data objects in the cross boundary region is always the main starting point of rough k-meansn RKM) and its derivation algorithm. The traditional RKM algorithm is more sensitive to the selection of weight coefficients, but it does not take into account the crossover degree of multiple clusters in the boundary region and the influence of spatial location distribution of the data objects in the boundary region on the clustering results. In view of this, a method of local fuzzy measurement for data objects in boundary region is designed, and an improved 蟺 RKM clustering algorithm based on local fuzzy enhancement in boundary region is proposed. The validity of the proposed algorithm is verified by a number of examples.
【作者单位】：南京财经大学信息工程学院;南京邮电大学自动化学院;
【基金】：国家自然科学基金项目(61403184,61105082) 江苏省高校自然科学研究重大项目(17KJA120001) 南京邮电大学1311人才计划基金项目(NY2013) 江苏高校优势学科建设工程项目国家电子商务信息处理国际联合研究中心项目(2013B01035)
【分类号】：TP311.13

【相似文献】