基于Fisher线性判别率的加权K-means聚类算法

被引：6

作者：

杨鹤标

薛艳锋

冯进兰

沈项军

吴静丽

机构：

[1] 江苏大学计算机科学与通信工程学院

来源：

计算机应用研究 | 2010年 / 27卷 / 12期

关键词：

K-均值; 聚类; Fisher线性判别率; 特征加权; 熵; 调整随机指标; 类内错误率均方和;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为提高K-means聚类效果,采用Fisher线性判别率的方法确定特征在聚类中的贡献度并依此对特征进行加权聚类。在人工和实际数据集上所做的实验表明,本方法在聚类效果上优于其他同类加权K-means聚类算法。

引用

收藏

页码：4439 / 4442

页数：4

相关论文

共 7 条

[1] 一种基于局部密度的分布式聚类挖掘算法
倪巍伟
陈耿
吴英杰
孙志挥
[J]. 软件学报, 2008, (09) : 2339 - 2348
[2] 聚类算法研究
孙吉贵
刘杰
赵连宇
[J]. 软件学报, 2008, (01) : 48 - 61
[3] 一种基于层次距离计算的聚类算法
彭京
唐常杰
程温泉
石葆梅
乔少杰
[J]. 计算机学报, 2007, (05) : 5786 - 5795
[4] 基于三维多分辨率模型与Fisher线性判别的人脸识别方法
谷春亮
尹宝才
孔德慧
胡永利
[J]. 计算机学报, 2005, (01) : 97 - 104
[5] D-optimality criterion for weighting variables in K-means clustering
Lim, Yong B.
Park, Yeo Jung
Huh, Myung-Hoe
[J]. JOURNAL OF THE KOREAN STATISTICAL SOCIETY, 2009, 38 (04) : 391 - 396
[6] Rough clustering of sequential data
Kumar, Pradeep
Krishna, P. Radha
Bapi, Raju. S.
De, Supriya Kumar
[J]. DATA & KNOWLEDGE ENGINEERING, 2007, 63 (02) : 183 - 199
[7] 模式识别.[M].边肇祺等编著;.清华大学出版社.2000,