10.3969/j.issn.1000-3428.2015.10.010
基于模糊C-均值的空间不确定数据聚类
针对现实世界中样本对象的不确定性及样本对象间界限划分的模糊性,提出基于模糊C-均值的空间不确定数据聚类算法UFCM.但由于UFCM算法在聚类过程中涉及大量期望距离的复杂积分计算,导致UFCM算法性能不理想,进而给出改进算法Ⅰ_UFCM,将空间不确定对象聚类问题转化为传统的确定对象聚类问题,采用相似度计算公式减少期望距离的计算量,提高聚类结果的质量.实验结果表明,与UFCM和UK-Means算法相比,I_UFCM算法在空间不确定数据集上具有更好的聚类性能,CUP耗时降低了90%以上.
模糊C-均值、不确定数据、概率密度函数、期望距离、质心
41
TP18(自动化基础理论)
黑龙江省自然科学基金资助项目F201014,F201134,F201302;黑龙江省教育厅科学技术研究基金资助项目12531120,12541128,12511100
2015-12-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
47-52