基于堆栈稀疏自编码的K-均值聚类算法的种质评价

• 作者: 李伟 王儒敬 贾秀芳 黄河
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 聚类 堆栈稀疏自编码 种质资源 深度学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 算法
• 页码范围: 269-272,322
• 页数: 5页
• 分类号: TP3
• 字数: 3756字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.05.048

摘要

针对种质资源数据库构建过程中大量种质材料数据需要进行品质的分类的问题,提出堆栈稀疏自编码K-均值聚类算法对数据进行聚类,并将聚类结果利用已知品质标注的种质资源进行类别标注,从而达到对育种数据品质等级归类目的.区别于传统K-均值聚类算法,利用堆栈稀疏自编码网络进行关键数据特征提取,逐步降低样本维度,构建混合特征数据,将其作为K-均值聚类算法的初始中心,有效地避免了K-均值聚类算法中对初始中心选取敏感性问题.实验数据表明,该聚类算法准确率有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟	中国科学院合肥智能机械研究所	315	4950	35.0	61.0
5	王儒敬	中国科学院合肥智能机械研究所	95	665	14.0	21.0
6	黄河	中国科学院合肥智能机械研究所	45	335	10.0	17.0
7	贾秀芳	中国科学院合肥智能机械研究所	4	5	1.0	2.0