一种改进的加权模糊核聚类算法

• 作者: 吴小俊 高翠芳
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 模糊核聚类 ISODATA算法 局部最优 稳定性
• 年，卷（期）: 2010,（5）
• 页码范围: 631-636
• 分类号: TP311
• 字数: 5320字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2010.05.017

摘要

聚类算法对初始值的依赖性较大,通常容易陷入局部最优, 很难得到稳定的聚类结果.为改善该问题,本文提出了一种改进的加权模糊核聚类算法,将迭代自组织的数据分析算法(ISODATA)的思想引入到加权模糊核聚类算法(WFKCA)中,利用聚类中心分裂/合并的中间结果来调整初始中心,降低了WFKCA算法收敛于局部最优的可能.改进算法采用特征空间中的计算度量,将单值标准差阈值扩展为标准差阈值向量,并增加了对聚类中心的调整幅度.实验结果显示,该算法在不同结构和维数的数据集上都取得了更稳定的聚类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小俊	江南大学物联网工程学院	170	1079	17.0	22.0
2	高翠芳	江南大学物联网工程学院	18	91	5.0	9.0