按风格划分数据的模糊聚类算法

• 作者: 沈浩 王士同
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 模糊聚类 风格化数据 风格信息 模糊风格划分
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 204-213
• 页数: 10页
• 分类号: TP181
• 字数: 7779字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201903002

摘要

以K-means和模糊C均值为代表的划分式聚类算法无法有效处理按照风格为标准划分样本的聚类任务.针对此问题,文中提出按风格划分数据的模糊聚类算法.利用风格标准化矩阵表示包含在类簇中样本的风格信息,同时使用逼近标准风格之后的样本计算距离矩阵,并以隶属度表示样本点对于类簇的可代表程度.通过常用的交替优化策略同时优化隶属度矩阵和风格标准化矩阵.文中算法可以有效利用样本的风格信息和样本点与类簇之间的关系信息,在人工数据集和真实数据集上的实验表明算法的有效性.

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
5	沈浩	江南大学数字媒体学院	2	0	0.0	0.0