具有抗噪性能适用高维数据的增量式聚类算法

• 作者: 王士同 邵俊健
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 高斯噪声 增量式聚类算法 距离度量 高维数据 FCPM算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1553-1566
• 页数: 14页
• 分类号: TP181
• 字数: 2073字
• 语种: 中文

摘要

针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM (c+p).由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心的策略相结合,即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类,以避免FCM对噪声的敏感性.此外,所提出的聚类算法使用一种新的改进后的距离度量的同时,使用修正后的约束条件和目标函数.通过以上改进,可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度.实验结果表明,该算法对高维噪声数据具有很好的聚类效果和鲁棒性.

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
2	邵俊健	江南大学数字媒体学院	2	2	1.0	1.0