一种鲁棒的聚类算法在加速度计数据集中的应用

摘要：

基于邻居搜索和模糊C均值方法,提出了一种新的鲁棒的聚类算法(NSFA).该算法采用邻居搜索方法遍历相邻的数据,依据搜索距离确定聚类数目.NSFA方法引入内核函数,以提高其对噪声和异常点的鲁棒性.为了验证算法的鲁棒性,实验采用读取加速度计的数据,对比实验结果表明所提出的算法明显提高数据集的聚类性能,清晰划分加速度的变化趋势.

关键词：邻居搜索、模糊C-均值聚类、无监督

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;高等学校科技计划

在线出版日期：2016-05-12（万方平台首次上网日期，不代表论文的发表时间）

页码：23-27,31