基于单簇聚类的数据描述

被引：18

作者：

陈斌 ^{[1
]}

冯爱民 ^{[1
]}

陈松灿 ^{[1
]}

李斌 ^{[2
]}

机构：

[1] 南京航空航天大学信息科学与技术学院

[2] 扬州大学信息工程学院

来源：

计算机学报 | 2007年 / 08期

关键词：

数据描述; 聚类; 单簇; 可能性C-均值; 单分类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

文中提出了一种基于单簇可能性C-均值聚类(Possibilistic C-Means,PCM)的数据描述方法并用于单分类.训练时,其首先进行P1M(PCM,C值取1)聚类,得到所有训练样本对目标类的隶属度;然后设置隶属度阈值,形成相应的数据描述进行单分类.分类时,计算新样本对目标类的隶属度,若其隶属度小于该阈值则判为异常,否则为正常.该方法和当前流行的支持向量域数据描述方法以及Parzen方法窗具有类似的参数配置和相当的分类性能,由此提供了另一种单分类学习算法.值得指出的是,尽管是PCM的一个特例,但P1M拥有PCM一般不具备的全局最优特性,而该特性对解决实际问题十分重要.

引用

页码：1325 / 1332

页数：8