基于中心自动融合的多尺度可能性聚类算法

• 作者: 左春柽 曲福恒 胡雅婷
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 可能性聚类 多尺度 中心融合 初始化敏感性
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 86-92
• 页数: 7页
• 分类号: TP391.4
• 字数: 4476字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2014.01.17

摘要

针对可能性聚类对初始化参数设置依赖性较强的问题，提出一种基于中心自动融合的可能性聚类算法，并证明了算法中尺度因子的多尺度性质。该算法通过建立中心的相关性判定准则，根据数据自身分布特点动态调整聚类数目与结构，通过引入尺度参数实现对数据的多分辨率分析。与传统的模糊和可能性聚类算法相比，该算法摆脱了对聚类数目及初始化中心或隶属度矩阵设置的依赖性，易于控制。人造数据和真实数据实验结果表明，该算法能自动确定数据中不同尺度下的聚类结构，具有识别不同大小聚类结构的能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左春柽	吉林大学机械科学与工程学院	65	433	11.0	16.0
2	曲福恒	长春理工大学计算机科学技术学院	23	48	5.0	5.0
3	胡雅婷	吉林农业大学信息技术学院	18	68	5.0	7.0