中心约束的跨源学习可能性C均值聚类算法

发布时间：2018-10-09 12:33

【摘要】：可能性C均值聚类算法(Possibilistic C-Means,PCM)相比于模糊C均值聚类算法(Fuzzy C-Means,FCM),能更好地处理含有噪音和例外点的数据,但在处理数据粘性较强的数据集时,PCM算法的聚类中心趋于一致,从而导致聚类算法直接失效。针对这个问题,提出了中心约束准则与跨域迁移学习准则,并将其应用到可能性C均值算法中,从而提出一种具有中心约束能力的聚类算法,简称中心约束的跨源学习聚类算法,改进后的算法能够利用跨域知识进行辅助聚类,确保类中心相互远离,从而能够保证算法的聚类性能。通过模拟数据集和真实数据集的实验,验证了该算法的上述优点。
[Abstract]:Compared with the fuzzy C-means clustering algorithm (Fuzzy C-Means-FCM), the probabilistic C-means clustering algorithm (Possibilistic C-Means-PCM) can deal with the data with noise and exception points better than the fuzzy C-means clustering algorithm (Fuzzy C-Means-FCM), but the clustering center of the algorithm tends to be consistent when dealing with data sets with strong data viscosity. This leads to the direct failure of the clustering algorithm. In order to solve this problem, the center constraint criterion and the cross domain transfer learning criterion are proposed and applied to the probabilistic C-means algorithm, and a clustering algorithm with the ability of center constraint is proposed. The improved cross-source learning clustering algorithm can use cross-domain knowledge to assist clustering and ensure that the clustering centers are far away from each other, thus ensuring the clustering performance of the algorithm. The above advantages of the algorithm are verified by simulating the data set and the real data set.
【作者单位】： 江南大学数字媒体学院;
【基金】：江苏省自然科学基金(No.BK20151131) 中央高校基本科研业务费专项资金(No.JUSPR51614A)
【分类号】：TP311.13

【相似文献】

相关期刊论文 前10条

1 苏清华;胡中波;;基于差分演化的K-均值聚类算法[J];武汉理工大学学报;2010年01期

2 曹易;张宁;;一种改进的模糊C-均值聚类算法[J];上海理工大学学报;2012年04期

3 王圆妹;;一种改进的K-均值聚类算法的研究[J];长江大学学报(自科版);2006年10期

4 王圆妹;;一种改进的K-均值聚类算法的研究[J];长江大学学报(自科版)理工卷;2006年04期

5 刘韬;蔡淑琴;曹丰文;崔志磊;;基于距离浓度的K-均值聚类算法[J];华中科技大学学报(自然科学版);2007年10期

6 查成东;王长松;巩宪锋;周家新;;基于改进K-均值聚类算法的背景提取方法[J];计算机工程与设计;2007年21期

7 王丹丹;李彬;陈武凡;;基于多目标规划的模糊C均值聚类算法[J];中国图象图形学报;2008年08期

8 俞云霞;王士同;朱嵬鹏;;具有数据容错能力的模糊C均值聚类算法[J];计算机工程与设计;2010年03期

9 李翠霞;谭营军;;一种新的模糊C均值聚类算法[J];河南大学学报(自然科学版);2011年02期

10 关庆;邓赵红;王士同;;改进的模糊C-均值聚类算法[J];计算机工程与应用;2011年10期

相关会议论文 前5条

1 孙广玲;唐降龙;;一种快速k-均值聚类算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年

2 陈晓山;朱建冲;翁辉;;一种改进的模糊C均值聚类算法及其应用[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

3 葛继科;余建桥;张帆;张蕊;;改进的K-均值聚类算法[A];’2004计算机应用技术交流会议论文集[C];2004年

4 刘健庄;谢维信;;一种改进的快速模糊C均值聚类算法[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

5 罗小刚;彭承琳;刘婷;侯长军;霍丹群;文利;;基于模糊C均值聚类算法的心脏扭转运动中心室壁轮廓的自动提取[A];中国仪器仪表学会医疗仪器分会第四次全国会员代表大会暨2009年学术年会论文集[C];2009年

相关硕士学位论文 前10条

1 刘莉莉;K-均值聚类算法的研究与改进[D];曲阜师范大学;2015年

2 王龙强;K均值聚类算法初始聚类中心的选取与改进[D];东北大学;2013年

3 梁鹏;基于Spark的模糊c均值聚类算法研究[D];哈尔滨工业大学;2015年

4 徐曼舒;基于改进人工蜂群的模糊C均值聚类算法研究[D];安徽大学;2016年

5 古哲德;无线传感器网络中面向图像的模糊C均值聚类算法的研究[D];广西大学;2016年

6 崔西希;基于中智模糊C-均值聚类算法及其应用研究[D];西安邮电大学;2017年

7 吴晓蓉;K-均值聚类算法初始中心选取相关问题的研究[D];湖南大学;2008年

8 赵爽;改进的模糊C均值聚类算法及其应用[D];东北大学;2010年

9 欧陈委;K-均值聚类算法的研究与改进[D];长沙理工大学;2011年

10 王威娜;改进的模糊C-均值聚类算法[D];大连海事大学;2007年

，

本文编号：2259351