【摘要】：針對(duì)已有的基于特征加權(quán)距離的雙指數(shù)模糊子空間聚類(lèi)算法(DI-FSC)沒(méi)有充分利用數(shù)據(jù)集中的已知信息,提出利用少量監(jiān)督信息輔助聚類(lèi)過(guò)程的特征加權(quán)距離的半監(jiān)督模糊子空間聚類(lèi)算法(SS-FSC).通過(guò)在該算法中加入特征加權(quán)距離來(lái)改善傳統(tǒng)聚類(lèi)中利用歐氏距離計(jì)算數(shù)據(jù)點(diǎn)之間差異的不足;同時(shí)向約束條件中引入指數(shù)r和β,增加了算法的靈活性.實(shí)驗(yàn)表明,所提出的算法在少量監(jiān)督信息的輔助下,在真實(shí)數(shù)據(jù)集上有較好的聚類(lèi)效果.
[Abstract]:In view of the fact that the existing double exponential fuzzy subspace clustering algorithm (DI-FSC) based on feature weighted distance does not make full use of the known information in the data set, a semi-supervised fuzzy subspace clustering algorithm (SS-FSC) is proposed, which uses a small amount of supervised information to assist the feature weighted distance of the clustering process. By adding feature weighted distance to the algorithm, the shortage of using Euclidean distance to calculate the difference between data points in traditional clustering is improved, and the index r and 尾 are introduced into the constraint condition, which increases the flexibility of the algorithm. The experimental results show that the proposed algorithm has a good clustering effect on the real data set with the assistance of a small amount of supervision information.
【作者單位】： 江南大學(xué)數(shù)字媒體學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61272210)資助
【分類(lèi)號(hào)】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 章照止;神經(jīng)網(wǎng)絡(luò)與最小加權(quán)距離譯碼[J];電子學(xué)報(bào);1992年10期

2 周立前;楊碧波;;一種構(gòu)建細(xì)小病毒進(jìn)化樹(shù)的加權(quán)距離方法[J];湖南工業(yè)大學(xué)學(xué)報(bào);2012年02期

3 王駿;王士同;王曉明;;基于特征加權(quán)距離的雙指數(shù)模糊子空間聚類(lèi)算法[J];控制與決策;2010年08期

4 韋立慶;陳秀宏;;基于Cam加權(quán)距離的增量拉普拉斯方法[J];計(jì)算機(jī)工程;2011年22期

5 魯宇;范希魯;;模糊加權(quán)距離及其合理性討論[J];北方交通大學(xué)學(xué)報(bào);1990年02期

6 ;[J];;年期

，

本文編號(hào)：2499915