基于特征加权距离的双指数模糊子空间聚类算法
传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数γ和β,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.
模糊聚类、特征加权距离、全局收敛性、非平衡数据集
25
TP391.4(计算技术、计算机技术)
国家自然科学基金项目60903100;江苏省自然科学基金项目BK2009067;江南大学青年基金项目2009LQN07
2010-10-27(万方平台首次上网日期,不代表论文的发表时间)
1207-1210