基于马氏距离特征加权的模糊聚类新算法

• 作者: 张永 蔡静颖 谢福鼎
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模糊C均值 马氏距离 属性相关 特征加权
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 198-200
• 分类号: TP18
• 字数: 2940字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.05.057

摘要

模糊聚类分析是模糊模式识别中一个重要研究领域,而其中最经典的模糊C均值算法认为样本矢量各特征对聚类结果贡献均匀,没有考虑不同的属性特征对模式分类的不同影响,在处理属性高相关的数据集时,该算法分错率增加.针对这些问题,提出了一种基于马氏距离特征加权的模糊聚类算法,利用自适应马氏距离的优点对特征加权处理,对高属性相关的数据集进行更有效的分类.实验证明该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢福鼎	辽宁师范大学计算机与信息学院	54	419	12.0	17.0
2	张永	辽宁师范大学计算机与信息学院	48	408	12.0	17.0
3	蔡静颖	牡丹江师范学院计算机科学与技术系	11	53	3.0	7.0