基于堆叠稀疏自编码的模糊C-均值聚类算法

被引：17

作者：

段宝彬 ^{[1
,2
]}

韩立新 ^{[2
]}

谢进 ^{[1
]}

机构：

[1] 合肥学院数学与物理系

[2] 河海大学计算机与信息学院

来源：

计算机工程与应用 | 2015年 / 04期

基金：

安徽省自然科学基金;

关键词：

堆叠稀疏自编码; 模糊C-均值聚类; 特征; 深度学习;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对模糊C-均值聚类算法对孤立点、随机初始化的聚类中心比较敏感的问题,将堆叠稀疏自编码与传统模糊C-均值聚类算法相结合,对传统模糊C-均值聚类算法进行了改进。由于堆叠稀疏自编码可以提取原始数据集从低层到高层的特征,而高层的特征通常比原始数据集更能反映待聚类样本的本质特征,用其代替原始数据集进行聚类,有助于提高聚类的效果。利用改进后的算法在UCI的几个标准数据集上进行实验,结果表明改进后的算法是有效可行的。

引用

页码：154 / 157

页数：4

共 7 条

[1]

深度学习的昨天、今天和明天 [J].