分层模糊最小-最大聚类算法

• 作者: 刘旭 徐小红 杨静 高隽
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 非监督学习 聚类 模糊最小-最大聚类网络(FMMCN) 分层模糊最小-最大聚类(HFMM)
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 558-564
• 页数: 7页
• 分类号: TP391
• 字数: 4191字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2007.04.018

摘要

聚类是非监督学习的关键问题.本文在模糊最小-最大聚类网络(FMMCN)和分层聚类思想的基础上,提出一种分层模糊最小-最大聚类算法.与目前的常用聚类算法相比,该方法可以根据问题需要动态确定聚类数目,并克服FMMCN样本输入次序依赖性的缺陷.对相关数据集的实验结果表明该方法具有优良的聚类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静	合肥工业大学计算机与信息学院	26	163	7.0	11.0
2	高隽	合肥工业大学计算机与信息学院	160	1689	22.0	34.0
4	徐小红	合肥工业大学计算机与信息学院	20	63	5.0	7.0
7	刘旭	合肥工业大学计算机与信息学院	7	37	4.0	6.0