一种具有影响力因子的硬聚类算法

被引:4
作者
王建锋 [1 ]
金健 [2 ]
王晶晶 [3 ]
机构
[1] 上海电力学院计算机科学与技术系
[2] 华东师范大学计算机科学与技术系
[3] 上海西渡学校
关键词
聚类; 硬聚类算法; 模糊C均值算法; 影响力因子;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
摘要
为解决传统聚类方法对不同规模类不能正确聚类的问题,探讨了带影响力因子的硬聚类方法。为每个类均赋予一个影响力因子,使样本的隶属关系不只受距离的影响,而且受类的规模的影响。通过对18个数据集的实验,证明该方法的可行性,并且观察了影响力因子的取值对收敛过程和算法产生结果的影响,提出了今后的工作重点。
引用
收藏
页码:177 / 180
页数:4
相关论文
共 6 条
[1]
Multivariate image segmentation with cluster size insensitive fuzzy C-means [J].
Noordam, JC ;
van den Broek, WHAM ;
Buydens, LMC .
CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2002, 64 (01) :65-78
[2]
Data clustering.[J].A. K. Jain;M. N. Murty;P. J. Flynn.ACM Computing Surveys (CSUR).1999, 3
[3]
Partially supervised clustering for image segmentation [J].
Bensaid, AM ;
Hall, LO ;
Bezdek, JC ;
Clarke, LP .
PATTERN RECOGNITION, 1996, 29 (05) :859-871
[4]
A Short-Term Climate Prediction Model Based on a Modular Fuzzy Neural Network.[J].金龙;金健;姚才.Advances in Atmospheric Sciences.2005, 03
[5]
加热炉钢坯温度软测量模型研究 [J].
王锡淮 ;
李少远 ;
席裕庚 .
自动化学报, 2004, (06) :928-932
[6]
快速模糊C均值聚类彩色图像分割方法 [J].
林开颜 ;
徐立鸿 ;
吴军辉 .
中国图象图形学报, 2004, (02)