一种基于证据推理的自适应聚类算法

• 作者: 刘钦 张扬 陈磊 韩春雷
• 来源期刊: 现代导航
• 学科: 工学
• 关键词: 目标识别 信息融合 数据分类 自适应聚类 证据推理
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 专题研讨
• 页码范围: 119-124
• 页数: 6页
• 分类号: TP391
• 字数: 3584字
• 语种: 中文

摘要

为了有效处理模式分类中的不确定信息,将证据推理的Dempster和Yager规则与K-NN分类相结合,设计了一种新的证据K-NN分类器.然后针对目标样本数据缺失且类别数目未知的识别问题,又提出了一种基于证据推理的自适应聚类算法.随机给定各分类对象的初始置信度和类别数目,通过所设计的证据K近邻分类器对目标数据类别属性和类别数目进行迭代更新,实现目标数据的完全自适应聚类.通过仿真和真实数据集实验,将新算法与目前聚类识别中应用最为广泛的FCM进行了对比分析,结果显示新算法能够有效提高目标数据的识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈磊	中国电子科技集团公司第二十研究所	15	25	3.0	4.0
2	韩春雷	中国电子科技集团公司第二十研究所	11	28	2.0	5.0
3	刘钦	中国电子科技集团公司第二十研究所	8	13	2.0	3.0
4	张扬	中国电子科技集团公司第二十研究所	5	0	0.0	0.0