一种建立粗糙数据模型的监督模糊聚类方法

• 作者: 李士勇 蔡云泽 黄金杰
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 粗糙数据模型 粗糙集 监督模糊聚类 GK算法 推定隶属度
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 744-753
• 页数: 10页
• 分类号: TP18
• 字数: 7286字
• 语种: 中文

摘要

提出了在输入-输出积空间中利用监督模糊聚类技术快速建立粗糙数据模型(rough data model,简称RDM)的一种方法.该方法将RDM模型的分类质量性能指标与具有良好特性的Gustafson-Kessel(G-K)聚类算法结合在一起,并通过引入数据对模糊类的推定隶属度的概念,给出了将模糊聚类模型转化为粗糙数据模型的方法,从而设计出一种通过迭代计算使目标函数最小的两个必要条件方程来获取RDM模型的有效算法,将Kowalczyk方法的多维搜索过程变为以聚类数目为参数的一维搜索,极大地减少了寻优时间.与传统的粗糙集理论和Kowalczyk方法相比,提出的方法具有更好的数据概括能力和噪声数据处理能力.最后,通过不同的数据集实验测试,结果表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李士勇	哈尔滨工业大学控制科学与工程系	70	1632	23.0	37.0
2	蔡云泽	上海交通大学自动化系	43	366	11.0	17.0
3	黄金杰	上海交通大学自动化系	5	67	5.0	5.0