基于数据加权策略的模糊聚类改进算法
该文提出了一种数据指数加权的模糊均值聚类策略,引入了指数权因子和影响指数,使得可以在聚类过程中差异化处理各个数据.新策略和现有的Gustafson-Kessel(G-K)算法相结合,提出了一种新的模糊聚类算法DWG-K用于提高聚类质量和挖掘离群点.数据试验表明DWG-K在提高聚类质量方面优于现有的G-K;在离群点挖掘方面,DWG-K对离群点的判定是全局的,离群点的物理意义清楚,且计算效率明显高于当前广泛采用的基于密度的离群点挖掘算法.
模糊聚类、数据加权策略、数据加权G-K、离群点挖掘
32
TP18(自动化基础理论)
国家自然科学基金50875169资助课题
2010-07-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
1277-1283