10.13229/j.cnki.jdxbgxb20190963
模糊c-harmonic均值算法在不平衡数据上改进
针对模糊c-harmonic均值算法(FCHM)在不平衡数据集上的聚类效果不理想的问题,提出了一种基于聚类体量约束的模糊c-harmonic均值算法.首先,利用隶属度矩阵定义各个类的体量,用于约束FCHM算法的代价函数,从而构建一个新的代价函数;然后,将该代价函数最小化,得到新的隶属度矩阵和聚类中心的计算公式;最后,在UCI数据集、模拟不平衡数据集及真实机床振动检测不平衡数据集上分别进行实验.实验结果表明,与同类算法相比,本文算法在保持传统算法全局最优性能的同时,在不平衡数据集上也能得到理想的聚类效果.
人工智能、聚类、模糊c-harmonic均值算法、全局最优、不平衡数据
51
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;吉林省青年科学基金;中国博士后科学基金
2022-05-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
1447-1453