模糊核聚类的自适应算法

被引:9
作者
李侃
刘玉树
不详
机构
[1] 北京理工大学计算机科学与工程系
[2] 北京理工大学计算机科学与工程系 北京
[3] 北京
关键词
模糊C均值; Mercer核; 特征空间; 有效性函数;
D O I
10.13195/j.cd.2004.05.116.lik.028
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对模糊聚类算法在样本特征不明显时不能取得很好的聚类效果 ,以及现有的模糊聚类算法需要事先确定聚类数 ,随机性强、容易陷入局部最优等弱点 ,将核函数和有效性函数引入到模糊聚类中 ,提出了模糊核聚类的自适应算法 .此方法在性能上比经典的聚类算法有了较大的改进 ,取得了更好的聚类效果 .实验结果证实了该方法的有效性和可行性
引用
收藏
页码:595 / 597
页数:3
相关论文
共 3 条
[1]  
Mercer kernel based clustering in feature space. Girolami M. IEEE ACM Transactions on Networking . 2002
[2]  
Some methods for classification and analysis of multivariate observations. MacQueen J. Proc 5th Berkeley Symposium in Mathematics, Statistics,Probbability . 1967
[3]  
Pattern recognition.[P]. DIEP THANH A;AVI-ITZHAK HADAR I;GARLAND HARRY T.EP0622750A2,1994-11-02