基于自适应学习的演化聚类算法

• 作者: 孙华 王玲
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 演化聚类 在线聚类 数据次序 自适应
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 423-428
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2014.1945

摘要

演化聚类算法(ECM)是一种有效的在线聚类算法，能够根据输入数据实时调整聚类。但是，该聚类算法依赖于预先设置的最大距离阈值，而且对数据输入次序敏感。针对这些问题，提出一种基于自适应学习的演化算法(SALECM)，在无法获取数据先验知识的情况下，无需人为预先定义参数，可自适应地调整聚类。实验结果表明，与ECM相比， SALECM可提高在线聚类的自适应性能，也能在一定程度上缓解数据输入次序对算法的影响。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玲	北京科技大学自动化学院	49	475	10.0	20.0
5	孙华	北京科技大学自动化学院	9	31	3.0	5.0