10.3969/j.issn.1006-2475.2014.05.006
基于主动学习的动态模糊聚类算法
聚类问题是近几年来机器学习和数据挖掘领域研究的热点问题,由于获取大量监督信息费时费力,目前国内外研究的重点是如何获得少量但对聚类性能提高显著的监督信息,再加上实际问题中存在的动态模糊性,故本文提出一种结合主动学习的动态模糊聚类算法DF-DBSCAN,通过引入动态模糊等价关系、动态模糊信任测度和动态模糊似然测度这3个约束信息来指导DBSCAN的聚类过程,以提高聚类的性能.实验结果表明,DF-DBSCAN算法不仅解决了实际问题中存在的动态模糊性数据的描述和表示问题,而且能够高效地进行数据聚类,显著地提高聚类性能.
主动学习、聚类算法、动态模糊集、动态模糊关系、动态模糊测度
TP181(自动化基础理论)
常州市科教城院校科研基金资助项目K2012311
2014-07-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
24-27,32