基于阴影集的截集式可能性C-均值聚类截集门限的选取

摘要：

截集式可能性C-均值聚类算法通过引入截集门限,修改典型性值,克服了可能性C-均值聚类算法的最关键问题:一致性聚类.针对算法中截集门限的选取问题,采用阴影集理论,提出了一种新的截集门限的选取方法.该算法利用最优化方法为每一个类确定一个阴影集阈值,并将该阈值作为截集门限;通过分析该选取方法对典型性值和中心偏移量的影响来改进典型性值的修改方式.最后,通过人工数据分析了新的截集门限选取方式对聚类算法性能的影响,利用实际UCI数据分析算法的迭代次数和聚类正确率.实验结果表明,给出的截集门限选取方法能够有效减少迭代次数,提高聚类正确率.

关键词：可能性C-均值聚类、截集式可能性C-均值聚类、聚类核、截集门限、阴影集

所属期刊栏目：46

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金项目61671377,61571361,61601362;西安邮电大学西邮新兴团队xyt2016-01

在线出版日期：2019-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：249-254