本文選題：粗糙聚類 + k-means��； 參考：《控制與決策》2017年11期

【摘要】：如何對交叉邊界區(qū)域的數(shù)據(jù)對象進行度量與處理一直是粗糙k-means(RKM)及其衍生算法的主要出發(fā)點.πRKM算法通過引入Laplace無差別原則,較好地解決了傳統(tǒng)RKM算法對權(quán)重系數(shù)的選擇比較敏感等相關(guān)問題,但沒有考慮邊界區(qū)域多個類簇的交叉程度以及邊界區(qū)域數(shù)據(jù)對象的空間位置分布對聚類結(jié)果的影響.鑒于此,設(shè)計一種對邊界區(qū)域的數(shù)據(jù)對象進行局部模糊度量的方法,并提出基于邊界區(qū)域局部模糊增強的πRKM聚類改進算法,通過多組實例分析驗證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.
【作者單位】： 南京財經(jīng)大學(xué)信息工程學(xué)院;南京郵電大學(xué)自動化學(xué)院;
【基金】：國家自然科學(xué)基金項目(61403184,61105082) 江蘇省高校自然科學(xué)研究重大項目(17KJA120001) 南京郵電大學(xué)1311人才計劃基金項目(NY2013) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程項目 國家電子商務(wù)信息處理國際聯(lián)合研究中心項目(2013B01035)
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 閆實;王學(xué)良;;空間相似查詢中MBR邊界區(qū)域關(guān)系研究[J];計算機系統(tǒng)應(yīng)用;2009年01期

，

本文編號：2045892