本文關(guān)鍵詞： 聚類 C均值 模糊C均值 可能性C均值 改進(jìn)的可能性C均值　出處：《甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào)》2016年06期 　論文類型：期刊論文

【摘要】：【目的】針對改進(jìn)的可能性C均值聚類方法(IPCM)運(yùn)算效率低,難以處理復(fù)雜數(shù)據(jù)結(jié)構(gòu)的問題,提出了一種約束的改進(jìn)可能性C均值聚類方法(CIPCM).【方法】CIPCM方法采用多項(xiàng)式核將特征向量映射到一個隱性特征空間,便于處理復(fù)雜的數(shù)據(jù)結(jié)構(gòu);引入兩個成對約束集合,降低聚類迭代次數(shù),提高運(yùn)算效率和抗干擾能力.實(shí)驗(yàn)采用國際公認(rèn)的UCI公共測試數(shù)據(jù)集,并用錯分率指標(biāo)評測了目標(biāo)分類性能.【結(jié)果】CIPCM方法的聚類錯分率低,對噪聲的魯棒性強(qiáng).【結(jié)論】CIPCM運(yùn)算效率比高于改進(jìn)可能性C均值聚類方法.
[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.
【作者單位】： 嘉應(yīng)學(xué)院計(jì)算機(jī)學(xué)院;廈門大學(xué)軟件學(xué)院;
【基金】：國家自然科學(xué)基金面上項(xiàng)目(41172028);國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目(61403164)
【分類號】：TP311.13
【正文快照】： 聚類是一種無監(jiān)督的分類方法,依據(jù)各類目標(biāo)之間的相似性自動進(jìn)行分類,廣泛應(yīng)用于數(shù)據(jù)挖掘、模式識別、圖像處理等領(lǐng)域[1].現(xiàn)有聚類方法主要分為四類:基于劃分的聚類方法、基于分層的聚類方法、基于密度的聚類方法和基于網(wǎng)格的聚類方法,目前應(yīng)用最為廣泛的是基于劃分的聚類方法

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 沙秀艷;王貞儉;;基于快速二維熵的加權(quán)模糊C均值聚類圖像分割[J];計(jì)算機(jī)工程與應(yīng)用;2012年10期

2 王麗娜;王建東;姜堅(jiān);;特征加權(quán)的陰影C均值聚類新算法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2012年03期

3 柯永振;張加萬;孫濟(jì)洲;張怡;周小舟;;結(jié)合支持向量機(jī)與C均值聚類的圖像分割[J];計(jì)算機(jī)應(yīng)用;2006年09期

4 王海軍;鄧羽;王麗;關(guān)興良;;基于數(shù)據(jù)場的C均值聚類方法研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2009年05期

5 趙在新;成禮智;;非局部加權(quán)模糊C均值聚類圖像分割[J];模糊系統(tǒng)與數(shù)學(xué);2011年03期

6 ;[J];;年期

相關(guān)會議論文 前1條

1 王偉;張航;羅大庸;;基于核模糊C均值聚類和局部建模方法的煙氣含氧量軟測量模型[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

，

本文編號：1444844