基于堆叠稀疏自编码的模糊C-均值聚类算法

• 作者: 段宝彬 谢进 韩立新
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 堆叠稀疏自编码 模糊C-均值聚类 特征 深度学习
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 154-157
• 页数: 4页
• 分类号: TP301
• 字数: 3966字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1402-0149

摘要

针对模糊C-均值聚类算法对孤立点、随机初始化的聚类中心比较敏感的问题，将堆叠稀疏自编码与传统模糊C-均值聚类算法相结合，对传统模糊C-均值聚类算法进行了改进。由于堆叠稀疏自编码可以提取原始数据集从低层到高层的特征，而高层的特征通常比原始数据集更能反映待聚类样本的本质特征，用其代替原始数据集进行聚类，有助于提高聚类的效果。利用改进后的算法在UCI的几个标准数据集上进行实验，结果表明改进后的算法是有效可行的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢进	合肥学院数学与物理系	49	285	10.0	14.0
2	段宝彬	合肥学院数学与物理系	26	92	5.0	8.0
4	韩立新	河海大学计算机与信息学院	47	272	9.0	15.0