多层递阶融合模糊特征映射的模糊C均值聚类算法
针对复杂非线性数据的无监督学习问题,提出一种新型的映射方式来有效提高算法对复杂非线性数据的学习能力.以TSK模糊系统的规则前件学习为基础,提出一种新型的模糊特征映射新方法.接着,针对映射之后的数据维度过大问题,引入多层递阶融合的概念,进一步提出基于多层递阶融合的模糊特征映射新方法,从而有效避免了因单层模糊特征映射之后特征维数过高而导致的数据混乱和冗余的问题.最后与模糊C均值算法相结合,提出基于多层递阶融合模糊特征映射的模糊C均值聚类算法.实验研究表明,文中算法相比于经典模糊聚类方法,有着更加优越、稳定的性能.
Takagi-Sugeno-Kang(TSK)模糊系统、主成分分析(PCA)、无监督学习、模糊C均值聚类
13
TP181(自动化基础理论)
国家自然科学基金项目61300151;江苏省自然科学基金项目BK20160187,BK20161268,BK20151299;江苏省产学研前瞻联合研究计划项目BY2015043-03
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
594-601