基于复杂学习分类系统的密度聚类方法

被引：30

作者：

黄虹玮 ^{[1
]}

葛笑天 ^{[2
]}

陈烜松 ^{[2
]}

机构：

[1] 计算机软件新技术国家重点实验室(南京大学)

[2] 江苏省审计厅

来源：

计算机应用 | 2017年 / 37卷 / 11期

关键词：

学习分类系统; 进化计算; 强化学习; 密度聚类; 规则合并;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

提出一种基于复杂学习分类系统(XCS)的密度聚类方法,可以用于对任意形状且带有噪声的二维数据进行聚类分析。此方法称为DXCSc,主要包括以下三个过程:1)基于学习分类系统,对输入数据生成规则种群,并对规则进行适当压缩;2)将已经生成的规则视为二维数据点,进而基于密度聚类思想对二维数据点进行聚类;3)对密度聚类后的规则种群进行适当聚合,生成最终的规则种群。在第一个过程中,采用学习分类系统框架生成规则种群并进行适当约减。第二个过程认为种群的各规则簇中心比它们的邻居规则具有更高的密度,并且与密度更高的规则间距离更大。在第三个过程中,采用图分割方法对相关重叠簇进行适当聚合。在实验中,将所提方法与K-means、近邻传播聚类算法(AP)、Voting-XCSc等算法进行了比较,实验结果表明,所提方法在精度方面优于对比算法。

引用

页码：3207 / 3211

页数：5