基于单簇聚类的数据描述

• 作者: 冯爱民 李斌 陈斌 陈松灿
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 数据描述 聚类 单簇 可能性C-均值 单分类
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 聚类
• 页码范围: 1325-1332
• 页数: 8页
• 分类号: TP181
• 字数: 6146字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2007.08.014

摘要

文中提出了一种基于单簇可能性C-均值聚类(Possibilistjc C-Means,PCM)的数据描述方法并用于单分类.训练时,其首先进行P1M(PCM,C值取1)聚类,得到所有训练样本对目标类的隶属度;然后设置隶属度阈值,形成相应的数据描述进行单分类.分类时,计算新样本对目标类的隶属度,若其隶属度小于该阈值则判为异常,否则为正常.该方法和当前流行的支持向量域数据描述方法以及Parzen方法窗具有类似的参数配置和相当的分类性能,由此提供了另一种单分类学习算法.值得指出的是,尽管是PCM的一个特例,但P1M拥有PCM一般不具备的全局最优特性,而该特性对解决实际问题十分重要.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李斌	扬州大学信息工程学院	56	376	12.0	18.0
3	陈斌	南京航空航天大学信息科学与技术学院	11	168	6.0	11.0
7	陈松灿	南京航空航天大学信息科学与技术学院	120	1370	19.0	32.0
10	冯爱民	南京航空航天大学信息科学与技术学院	19	158	7.0	12.0