一种极大中心间隔的核可能性C均值聚类算法

• 作者: 于晓瞳 彭茜 狄岚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 核可能性C均值 边界模糊 类间极大惩罚项
• 年，卷（期）: 2016,（19）
• 所属期刊栏目: 图形图像处理
• 页码范围: 184-191,240
• 页数: 9页
• 分类号: TP391
• 字数: 6174字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1412-0248

摘要

传统核可能性C均值（KPCM）算法仅考虑类内的紧密性而忽略了类间的距离关系，在对边界模糊的数据进行聚类分析时，会引起因聚类中心距离小或重合引起的边界点误分问题。为解决上述问题，在核可能性C均值基础上引入高维特征空间中的类间极大惩罚项和调控因子λ，构造了全新的目标函数，称为极大中心间隔的核可能性C均值（MKPCM）聚类算法。该算法通过类间极大惩罚项使类间距离极大化，并利用调控因子λ合理控制类间距，较好地避免了类中心间距离小或重合的现象。通过大量的实验证明，算法对于边界模糊的数据聚类效果优于传统的聚类算法；在图像分割的实际应用中，算法也明显优于传统的聚类算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	狄岚	江南大学数字媒体学院	25	56	4.0	6.0
2	彭茜	江南大学数字媒体学院	2	2	1.0	1.0
3	于晓瞳	江南大学数字媒体学院	3	14	2.0	3.0