10.3969/j.issn.1000-3428.2017.11.026
一种基于模糊核聚类的谱聚类算法
谱聚类是对样本拉普拉斯矩阵的特征向量进行聚类,不局限于原始数据的分布形状,可收敛于全局最优解,但不能准确反映样本间的实际关系,而模糊核聚类可利用模糊数学理论确定样本间的模糊关系.为此,在调整相似度度量函数和距离度量函数的基础上,将模糊核聚类融合到谱聚类算法中,提出SC-KFCM算法,利用模糊划分改进谱聚类中的硬划分,根据特征向量间的相似性和关联程度建立模糊隶属关系并对样本进行聚类,从而弥补谱聚类中硬划分部分对聚类结果造成的影响.实验结果表明,SC-KFCM算法在不同分布特点及维数的数据集上均取得了较稳定的聚类结果和较高的聚类精度.
聚类分析、谱聚类、距离度量、模糊核聚类、模糊集、隶属度、核函数
43
TP18(自动化基础理论)
国家自然科学基金61361126011
2017-12-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
161-165,172