一种无监督数据驱动的学习算法

• 作者: 刘开第 周少玲 庞彦军 栗文国
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 无监督学习 代表点 分类权 隶属度 质心驱动
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 短文
• 页码范围: 472-476
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.03.030

摘要

用代表点替代类均值代表类、用加权距离替代欧氏距离作为样本与类之间的相似性度量,由此建立一种新的无监督数据聚类算法.提取指标对分类所作贡献大小的量化值,以此为启发性知识定义加权距离,建立了用质心修正当前代表点的迭代算法.与均值聚类等序贯算法不同,基于质心的迭代算法的批处理性可消除输入产生的随机性干扰.采用IRIS数据和Breast Cancer数据验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘开第	河北工程大学不确定性数学研究所	66	559	11.0	21.0
2	庞彦军	河北工程大学不确定性数学研究所	58	379	10.0	17.0
3	周少玲	河北工程大学不确定性数学研究所	9	66	4.0	8.0
4	栗文国	河北工程大学不确定性数学研究所	13	48	4.0	6.0