基于模糊C-均值的空间不确定数据聚类

• 作者: 万静 何云斌 李松 肖宇鹏
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 模糊C-均值 不确定数据 概率密度函数 期望距离 质心
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 47-52
• 页数: 6页
• 分类号: TP18
• 字数: 5691字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.10.010

摘要

针对现实世界中样本对象的不确定性及样本对象间界限划分的模糊性,提出基于模糊C-均值的空间不确定数据聚类算法UFCM.但由于UFCM算法在聚类过程中涉及大量期望距离的复杂积分计算,导致UFCM算法性能不理想,进而给出改进算法Ⅰ_UFCM,将空间不确定对象聚类问题转化为传统的确定对象聚类问题,采用相似度计算公式减少期望距离的计算量,提高聚类结果的质量.实验结果表明,与UFCM和UK-Means算法相比,I_UFCM算法在空间不确定数据集上具有更好的聚类性能,CUP耗时降低了90％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万静	哈尔滨理工大学计算机科学与技术学院	57	266	10.0	13.0
2	何云斌	哈尔滨理工大学计算机科学与技术学院	59	346	11.0	15.0
3	李松	哈尔滨理工大学计算机科学与技术学院	87	452	12.0	16.0
4	肖宇鹏	哈尔滨理工大学计算机科学与技术学院	3	34	3.0	3.0