基于特征加权距离的双指数模糊子空间聚类算法

被引：6

作者：

王骏 ^{[1
,2
]}

王士同 ^{[2
]}

王晓明 ^{[2
]}

机构：

[1] 南京理工大学计算机科学与技术学院

[2] 江南大学信息工程学院

来源：

控制与决策 | 2010年 / 25卷 / 08期

关键词：

模糊聚类; 特征加权距离; 全局收敛性; 非平衡数据集;

D O I：

10.13195/j.cd.2010.08.90.wangj.019

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数γ和β,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.

引用

页码：1207 / 1210

页数：4