基于样本-特征加权的可能性模糊核聚类算法

• 作者: 刘建林 熊李艳 黄卫春
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 样本加权 特征加权 模糊C均值 可能性模糊聚类 核函数
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 169-175
• 页数: 7页
• 分类号: TP391
• 字数: 5023字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2014.01.029

摘要

经典的模糊C-均值聚类算法存在对噪声数据较为敏感、未考虑样本属性特征间的不平衡性及对高维数据聚类不理想等问题,而可能性聚类算法虽然解决了噪声敏感和一致性聚类问题,但算法假定每个样本对聚类的贡献程度一样.针对以上问题,提出了一种基于样本-特征加权的可能性模糊核聚类算法,将可能性聚类应用到模糊聚类中以提高其对噪声或例外点的抗干扰能力;同时,根据不同类的具体特性动态计算样本各个属性特征对不同类别的重要性权值及各个样本对聚类的重要性权值,并优化选取核参数,不断修正核函数把原始空间中非线性可分的数据集映射到高维空间中的可分数据集.实验结果表明,基于样本-特征加权模糊聚类算法能够减少噪声数据和例外点的影响,比传统的聚类算法具有更好的聚类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊李艳	华东交通大学信息工程学院	32	92	6.0	8.0
2	黄卫春	华东交通大学信息工程学院	20	96	6.0	9.0
3	刘建林	华东交通大学信息工程学院	2	23	2.0	2.0