基于极大熵的知识迁移模糊聚类算法

• 作者: 王士同 陈爱国
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 知识迁移 极大熵 聚类算法 极大熵聚类 模糊聚类
• 年，卷（期）: 2017,（1）
• 页码范围: 95-103
• 页数: 9页
• 分类号: TP274
• 字数: 8087字
• 语种: 中文
• DOI: 10.11992/tis.201602003

摘要

针对传统的聚类算法在样本数据量不足或样本受到污染情况下的聚类性能下降问题,在经典的极大熵聚类算法(MEKTFCA)的基础上,提出了一种新的融合历史聚类中心点和历史隶属度这两种知识的基于极大熵的知识迁移模糊聚类算法.该算法通过学习由源域总结出来的有益历史聚类中心和历史隶属度知识来指导数据量不足或受污染的目标域数据的聚类任务,从而提高了聚类性能.通过一组模拟数据集和两组真实数据集构造的迁移场景上的实验,证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0