基于自适应学习的演化聚类算法

摘要：

演化聚类算法(ECM)是一种有效的在线聚类算法，能够根据输入数据实时调整聚类。但是，该聚类算法依赖于预先设置的最大距离阈值，而且对数据输入次序敏感。针对这些问题，提出一种基于自适应学习的演化算法(SALECM)，在无法获取数据先验知识的情况下，无需人为预先定义参数，可自适应地调整聚类。实验结果表明，与ECM相比， SALECM可提高在线聚类的自适应性能，也能在一定程度上缓解数据输入次序对算法的影响。

关键词：演化聚类、在线聚类、数据次序、自适应

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金项目61572073；中央高校基本科研业务费专项资金项目FRF-UM-15-052；高等学校教育教学改革项目JG2014Z06

在线出版日期：2016-04-07（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：423-428