基于核聚类的K-均值聚类

• 作者: 张默 朱昌明
• 来源期刊: 上海海事大学学报
• 关键词: 核聚类 K-均值聚类 径向基函数(RBF) 支持向量机(SVM)
• 年，卷（期）: 2017,（2）
• 页码范围: 88-94
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13340/j.jsmu.2017.02.017

摘要

为处理线性不可分、结构复杂的数据集,提出基于核聚类的K-均值聚类(Kernel Clustering-based K-means Clustering,KCKC).该方法先在原始空间中对模式进行聚类,再由径向基函数(Radial Basis Function, RBF)核把它们映射到核空间,从而保持大部分模式之间的关系.把提出的方法应用到基于RBF的神经网络(RBF-based Neural Network,RBFNN)、基于RBF的支持向量机(RBF-based Support Vector Machine, RBFSVM)和核最近邻分类器(Kernel Nearest Neighbor Classifier,KNNC)中,结果表明本文提出的算法可以生成更有效的核,节省在核空间中的核生成时间,避免核数目设置的敏感性,并提高分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱昌明	上海海事大学信息工程学院	8	3	1.0	1.0
2	张默	上海海事大学经济管理学院	3	19	1.0	3.0