基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法

论文摘要

针对粗糙K-means聚类及其相关衍生算法需要提前人为给定聚类数目、随机选取初始类簇中心导致类簇交叉区域的数据划分准确率偏低等问题,文中提出基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法.在计算边界区域的数据对象归属于不同类簇的隶属程度时,综合考虑局部密度和距离的混合度量,并采用自适应调整类簇数目的策略,获得最佳聚类数目.选取数据对象稠密区域中距离最小的两个样本的中点作为初始类簇中心,将附近局部密度高于平均密度的对象划分至该簇后再选取剩余的初始类簇中心,使初始类簇中心的选取更合理.在人工数据集和UCI标准数据集上的实验表明,文中算法在处理类簇交叠严重的球簇状数据集时,具有自适应性,聚类精度较优.

论文目录

文章来源

类型: 期刊论文

作者: 张鑫涛,马福民,曹杰,张腾飞

关键词: 粗糙模糊聚类,粗糙,混合度量,类簇自适应,局部密度

来源: 模式识别与人工智能 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 南京财经大学信息工程学院,南京邮电大学自动化学院

基金: 国家重点研发计划项目(No.2017YFD0401001),国家自然科学基金项目(No.61973151,61833011),江苏省自然科学基金项目(No.BK20191376,BK20191406),江苏省高校自然科学研究重大项目(No.17KJA120001),江苏省研究生科研与实践创新计划项目(No.KYCX18_1388)资助~~

分类号: TP18;TP311.13

DOI: 10.16451/j.cnki.issn1003-6059.201912010

页码: 1141-1150

总页数: 10

文件大小: 1711K

下载量: 91

相关论文文献

• [1].基于K-means聚类的航空复合材料敲击检测研究[J]. 航空科学技术 2019(10)
• [2].基于K-means的电力系统典型日负荷特性计算方法研究[J]. 无线互联科技 2020(01)
• [3].基于k-means聚类算法的高校人才评价分析——以泸州职业技术学院为例[J]. 数字技术与应用 2019(12)
• [4].基于K-means聚类方法的早期聚落规模等级研究[J]. 地域研究与开发 2020(02)
• [5].基于改进k-means的电力信息系统异常检测方法[J]. 深圳大学学报(理工版) 2020(02)
• [6].基于红外图像特征与K-means的边缘检测[J]. 红外技术 2020(01)
• [7].基于k-means聚类分析法的四川省区域经济差异时空演化分析[J]. 甘肃科技 2020(01)
• [8].K-Means聚类分析法筛选柠檬香茅茎叶差异蛋白及鉴定[J]. 应用化学 2020(04)
• [9].基于特征融合的K-means微博话题发现模型[J]. 电子技术应用 2020(04)
• [10].基于K-means聚类挖掘智能机器人领域技术创新人才[J]. 新世纪图书馆 2020(03)
• [11].基于改进K-Means算法的图书馆读者阅读需求实证研究[J]. 新世纪图书馆 2020(05)
• [12].基于k-means聚类分析在高校学生成绩中的应用研究[J]. 科技经济导刊 2020(21)
• [13].基于K-means的多维聚类算法在客户信息中的应用[J]. 软件 2020(07)
• [14].基于K-means++算法的三相电能表评价模型研究[J]. 电测与仪表 2020(17)
• [15].K-means算法在农资网站客户管理中的应用[J]. 枣庄学院学报 2020(05)
• [16].基于遗传算法的K-means聚类改进研究[J]. 计算机与数字工程 2020(08)
• [17].基于k-means聚类的我国乳制品消费集群研究——来自全国31个省份乳制品消费数据的分析[J]. 中国乳品工业 2019(10)
• [18].基于球面距离的K-means聚类任务打包[J]. 嘉兴学院学报 2019(06)
• [19].基于K-means算法的数据挖掘与客户细分研究[J]. 市场研究 2019(11)
• [20].数据场和K-Means算法融合的雷达信号分选[J]. 雷达科学与技术 2016(05)
• [21].基于二分K-means的协同过滤推荐算法[J]. 软件导刊 2017(01)
• [22].基于K-means算法分割遥感图像的阈值确定方法研究[J]. 科学技术与工程 2017(09)
• [23].基于变精度粗糙集改进K-means聚类算法[J]. 办公自动化 2017(08)
• [24].基于k-means聚类的管制员注意品质特征研究[J]. 中国安全科学学报 2017(06)
• [25].自适应确定K-means算法的聚类数:以遥感图像聚类为例[J]. 华东师范大学学报(自然科学版) 2014(06)
• [26].基于混沌理论和K-means聚类的有载分接开关机械状态监测[J]. 中国电机工程学报 2015(06)
• [27].用核K-means聚类减样法优化半定规划支持向量机[J]. 江西师范大学学报(自然科学版) 2013(06)
• [28].基于K-means聚类的沙尘天气快速识别技术研究[J]. 中国环境监测 2020(05)
• [29].基于K-means聚类分析的汽车行驶工况构建[J]. 物流科技 2020(11)
• [30].基于同态滤波和改进K-means的苹果分级算法研究[J]. 食品与机械 2019(12)

标签：粗糙模糊聚类论文;  粗糙论文;  混合度量论文;  类簇自适应论文;  局部密度论文;