韩旭东
- 作品数：2 被引量：27H指数：2
- 供职机构：中国矿业大学计算机科学与技术学院更多>>
- 发文基金：中国博士后科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于核的快速可能性聚类算法被引量：6
- 2011年
- 传统的快速聚类算法大多基于模糊C均值算法(Fuzzy C-means,FCM),而FCM对初始聚类中心敏感,对噪音数据敏感并且容易收敛到局部极小值,因而聚类准确率不高。可能性C-均值聚类较好地解决了FCM对噪声敏感的问题,但容易产生一致性聚类。将FCM和可能性C-均值聚类结合的聚类算法较好地解决了一致性聚类问题。为进一步提高算法收敛速度和鲁棒性,提出一种基于核的快速可能性聚类算法。该方法引入核聚类的思想,同时使用样本方差对目标函数中参数η进行优化。标准数据集和人造数据集的实验结果表明这种基于核的快速可能性聚类算法提高了算法的聚类准确率,加快了收敛速度。
- 韩旭东夏士雄刘兵周勇
- 关键词：模糊C-均值聚类可能性聚类核聚类
- 基于样本加权的可能性模糊聚类算法被引量：21
- 2012年
- 可能性模糊聚类算法解决了噪音敏感和一致性聚类问题,但算法假定每个待分析样本对聚类的贡献相同,导致离群点或噪声点对算法的干扰较强,算法迭代次数过大.为此,提出一种基于样本加权的可能性模糊聚类算法,新算法具有更快的收敛速度,对标准数据集和人工数据集加噪后的测试结果表明,该算法具有更强的鲁棒性,在有效降低时间复杂度的同时能够取得较好的聚类准确率.
- 刘兵夏士雄周勇韩旭东
- 关键词：样本加权
