基于混合距离学习的双指数模糊C均值算法

摘要：

提出了一种基于DI-FCM(double indices fuzzy C-means)算法框架的无监督距离学习算法--基于混合距离学习的双指数模糊C均值算法HDDI-FCM(double indices fuzzy C-means with hybrid distance).数据集未知距离度量被表示为若干已有距离的线性组合,然后执行HDDI-FCM,在对数据集进行有效聚类的同时进行距离学习.为了保证迭代算法收敛,引入了Steffensen迭代法来改进计算簇中心点的迭代公式.讨论了算法中参数的选择.基于UCI(University of California,Irvine)数据集的实验结果表明该算法是有效的.

关键词：距离学习、聚类、模糊C均值算法、混合距离、Steffensen迭代法

所属期刊栏目：21

分类号：TP181(自动化基础理论)

资助基金：the National Natural Science Foundation of China under Grant Nos.60773206,60704047,90820002

在线出版日期：2010-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1878-1888