基于两种加权方式的模糊聚类算法

• 作者: 刘兵 刘强 周勇 夏士雄
• 来源期刊: 计算机应用研究
• 关键词: 聚类分析 聚类中心 离群点 特征加权 样本加权
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4437-4439
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.12.009

摘要

模糊聚类是一种应用广泛的数据分析和建模的无监督方法,但该算法受离群点影响较大,并且没有考虑样本数据中各维特征对聚类贡献程度的不同.针对这两个问题,提出了基于两种加权方式的聚类算法,该算法定义了一种新的样本加权的概念,减弱了离群点对聚类的干扰,同时为数据样本的每一维特征赋予一个权值,使聚类更加准确.仿真实验结果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	夏士雄	中国矿业大学计算机科学与技术学院	118	1158	18.0	28.0
2	周勇	中国矿业大学计算机科学与技术学院	85	984	16.0	29.0
3	刘强	中国矿业大学计算机科学与技术学院	17	96	6.0	9.0
4	刘兵	中国矿业大学计算机科学与技术学院	34	203	9.0	13.0