核模糊谱聚类LOF降噪方法研究

• 作者: 张巍 麦志深
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 谱聚类 核模糊相似性度量 聚类中心候选对象 局部过滤因子
• 年，卷（期）: 2018,（6）
• 页码范围: 77-82
• 页数: 6页
• 分类号: TP391
• 字数: 5258字
• 语种: 中文
• DOI: 10.12052/gdutxb.180053

摘要

为解决核模糊相似性度量谱聚类算法的样本点降噪问题,优化聚类效果和稳定性,本文从分析异常点分布特性出发,引入局部异常因子(LOF)算法,提出聚类中心候选对象的概念,过滤数据集的噪声数据,从而优化初始聚类中心的计算,突出正常样本点在聚类中心调整中的影响力,使聚类算法更易于得出准确的聚类结果.同时提出一种局部过滤因子以修正相似性度量的方法,该方法通过放大正常数据之间的权值、缩小正常数据与噪声数据间的权值,使优化后的核模糊谱聚类算法大大降低对异常点的敏感度.算法有效性实验和算法稳定性实验表明:该方法对相似性度量修正的有效性使核模糊谱聚类算法更为稳定和鲁棒.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张巍	广东工业大学计算机学院	62	412	11.0	15.0
2	麦志深	广东工业大学计算机学院	1	3	1.0	1.0