离群模糊核聚类算法

被引：36

作者：

沈红斌

王士同

吴小俊

机构：

[1] 江南大学信息学院

[2] 华东船舶工业学院计算机系江苏无锡

[3] 华东船舶工业学院计算机系

[4] 江苏镇江

[5] 江苏无锡

[6] 中国科学院沈阳自动化研究所机器人学重点实验室

[7] 辽宁沈阳

来源：

软件学报 | 2004年 / 07期

关键词：

离群; 模糊; 核函数; 特征空间; 聚类算法;

D O I：

10.13328/j.cnki.jos.2004.07.009

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

一般说来,离群点是远离其他数据点的数据,但很可能包含着极其重要的信息.提出了一种新的离群模糊核聚类算法来发现样本集中的离群点.通过Mercer核把原来的数据空间映射到特征空间,并为特征空间的每个向量分配一个动态权值,在经典的FCM模糊聚类算法的基础上得到了一个特征空间内的全新的聚类目标函数,通过对目标函数的优化,最终得到了各个数据的权值,根据权值的大小标识出样本集中的离群点.仿真实验的结果表明了该离群模糊核聚类算法的可行性和有效性.

引用

页码：1021 / 1029

页数：9