2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于数据间内在关联性的自适应模糊聚类模型

唐成龙 王石刚

唐成龙, 王石刚. 基于数据间内在关联性的自适应模糊聚类模型. 自动化学报, 2010, 36(11): 1544-1556. doi: 10.3724/SP.J.1004.2010.01544
引用本文: 唐成龙, 王石刚. 基于数据间内在关联性的自适应模糊聚类模型. 自动化学报, 2010, 36(11): 1544-1556. doi: 10.3724/SP.J.1004.2010.01544
TANG Cheng-Long, WANG Shi-Gang. Adaptive Fuzzy Clustering Model Based on Internal Connectivity of All Data Points. ACTA AUTOMATICA SINICA, 2010, 36(11): 1544-1556. doi: 10.3724/SP.J.1004.2010.01544
Citation: TANG Cheng-Long, WANG Shi-Gang. Adaptive Fuzzy Clustering Model Based on Internal Connectivity of All Data Points. ACTA AUTOMATICA SINICA, 2010, 36(11): 1544-1556. doi: 10.3724/SP.J.1004.2010.01544

基于数据间内在关联性的自适应模糊聚类模型

doi: 10.3724/SP.J.1004.2010.01544
详细信息
    通讯作者:

    唐成龙

Adaptive Fuzzy Clustering Model Based on Internal Connectivity of All Data Points

More Information
    Corresponding author: TANG Cheng-Long
  • 摘要: 提出了一种新的模糊聚类模型(Fuzzy C-means clustering model, FCM), 称为自适应模糊聚类(Adaptive FCM, AFCM). 和现有的大多数模糊聚类方法不同的是, AFCM考虑了数据集中全体数据的内在关联性, 模型中引入了自适应度向量W和自适应指数p. 其中, W在迭代过程中是自适应的, p是一个给定参数. W和p共同作用调控聚类过程. AFCM同时输出三组参数: 模糊隶属度集U, 自适应度向量W, 以及聚类原型集V. 本文给出了两组数据实验验证AFCM的性能. 第1组实验验证AFCM的聚类性能, 以FCM为比较对象. 实验表明 AFCM可以得到更好的聚类质量, 而且通过合理选择自适应指数p, AFCM和FCM在时间复杂性上保持同一水平. 第2组实验检验了AFCM的离群点挖掘性能, 以目前常用的基于密度的LOF为比较对象. 实验表明AFCM算法具有极大的计算效率优势, 且AFCM得到的离群点是全局的, 反映的是离群点和整个数据集的关系, 离群点涵盖的信息也更丰富. 文章指出, AFCM在挖掘大数据集和实时数据中的离群点应用方面, 以及获得高质量的聚类结果的应用方面, 特别在聚类的同时需要挖掘离群点的应用方面具有独特的优势.
  • 加载中
计量
  • 文章访问数:  2432
  • HTML全文浏览量:  27
  • PDF下载量:  1022
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-11-11
  • 修回日期:  2010-05-28
  • 刊出日期:  2010-11-20

目录

    /

    返回文章
    返回