语义减法聚类研究

摘要：

针对传统减法聚类算法需要人工输入参数τ1和τ2的不足,对算法进行改进.引入AFS理论,通过隶属度矩阵自动确定密度半径τ1、半自动确定权重参数τ2,提出了改进的语义减法聚类算法SDSCM,并在Iris和Wine数据集上将其与FCM、KMEANS算法进行比较实验.实验结果表明,SDSCM在评价指标语义强度期望上高于FCM、KMEANS 1％～5％.SDSCM的SPT指标低于FCM、KMEANS,算法的类间分离度有待提高.SDSCM较好地解决了传统减法聚类人工输入参数τ1和τ2带来的弊端,并给出了更贴近用户给定语义的聚类.

关键词：减法聚类、AFS理论、隶属度矩阵、语义强度期望

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1924-1929