欢迎来到天天文库
浏览记录
ID:9082712
大小:2.61 MB
页数:8页
时间:2018-04-16
《自动确定聚类个数的模糊聚类算法》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、万方数据第3期2017年3月电子学报ACTAELECTRONICASINICAV01.45No.3Mar.2017自动确定聚类个数的模糊聚类算法陈海鹏1”,申铉京1”,龙建武3,吕颖达4(1.吉林大学计算机科学与技术学院,吉林长春130012;2.吉林大学符号计算与知识工程教育部重点实验室,吉林长春130012;3.重庆理工大学计算机科学与工程学院,重庆400054;4.吉林大学公共计算机教学与研究中心,吉林长春130012)摘要:本文通过集成多次FCM(FuzzyC—Means)聚类结果以及采用软化分方式,提出
2、一种新的自动确定聚类个数的模糊聚类算法.本算法首先利用不同的聚类数目对数据进行FCM聚类,然后充分利用多次FCM聚类得到的隶属度信息构建一个累积邻接矩阵,最后采用迭代方式对累积邻接矩阵进行图切分以获取最终聚类结果.大量的仿真实验表明,相对现有集成聚类方法,本文方法能够有效减少FCM的聚类次数,并且在图切分过程中的迭代次数为现有方法的1/2左右.关键词:模糊聚类;FCM算法;图切分中图分类号:TP391文献标识码:A文章编号:0372—2112(2017)03—0687-08电子学报URL:http://www.e
3、journal.org.cnDOI:10.3969/j.issn.0372-2112.2017.03.028FuzzyClusteringAlgorithmforAutomaticIdentificationofClustersCHENHai.pen91”,SHENXuan-jin91”,LONGJian.Wll3,LOYing—da4(1.CollegeofComputerScienceandTechnology,JiliuUniversity,Changchun,Jilin130012,China;2.Key
4、LaboratoryofSymbolicComputationandKnowledgeEngineeringofMinistryofEducation,JilinUniversity,Changchun,Jilin130012,China;3.CollegeofComputerScienceandEngineering,ChongqingUuiversityofTechnology,Chongqing400054,China;4.CenterforComputerFundamentalEducation,Jili
5、nUniversit3’,Changehun,Jilin130012,China)Abstract:Toautomaticallydeterminethenumberofclusters,anewfuzzyclusteringalgorithmisproposedinthisstudy,whichisbasedonsoftpartitionschemeandintegratesmanyFCMclusteringresults.Inthismethod,FCMclusteringisimplementedondat
6、abytheclusternumber;thenthemembershipinformationisusedtobuildacumulativeadjacencyma—trix;finally,thegraphcutmethodisadoptedtothecumulativeadjacencymatrixbyiterativemannertoobtainclusteringre—suits.Simulationexperimentsshowthat,comparedtothecurrentintegratedcl
7、usteringmethod,ourmethodCaneffectivelyre—ducethenumberofFCMclustering;furthermore,itsiterationsinthegraphcutprocessisabout1/2oftheexistingmethod.Keywords:fuzzyclustering;fuzzyC—meansalgorithm;graphpartition1引言数据聚类是指将一个数据集划分成多个数据子集,并且处于同一数据子集的数据样本问具有较大的相似度,而处于
8、不同子集数据问样本的相似度较小。1。1.聚类是进行有效数据挖掘的一项重要研究方法,在图像分割、模式识别、计算机视觉等领域中有着十分广泛的研究与应用¨““.根据数据在聚类中的集聚规则及应用这些规则的方法,可以将聚类分为四类‘1’⋯:层次化聚类算法、划分式聚类算法、基于密度的聚类算法和基于网格的聚类算法.其中划分式聚类算法因其具有简单、有效等特性而得到了广泛地研究与应用。1。
此文档下载收益归作者所有