不确定数据聚类的U-PAM算法和UM-PAM算法的研究

• 作者: 万静 何云斌 张志超 李松
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 不确定数据 区间数 聚类算法 PAM
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 263-269
• 页数: 7页
• 分类号: TP311.13
• 字数: 8677字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.6.052

摘要

UK-means算法在处理不确定数据时对孤立点非常敏感,而且事先必须已知不确定数据的分布函数或概率密度,然而这在实际中往往很难获得.因此,针对UK-means在处理不确定测量数据时的不足,首先提出了基于区间数的PAM不确定聚类算法——U-PAM,该算法用区间数和标准差合理地描述了不确定测量数据的不确定性,进而完成有效的聚类;其次,针对海量不确定测量数据难以聚类的问题,基于U-PAM聚类算法,采用抽样技术提出了处理海量不确定测量数据的算法——UM-PAM算法,该算法先抽样,对样本数据聚类,然后再总体聚类;最后,基于U-PAM算法和CH聚类的有效性指标函数对聚类结果进行分析,以确定最佳聚类数.实验理论表明,所提算法聚类效果明显.

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	张志超	哈尔滨理工大学计算机科学与技术学院	3	18	2.0	3.0