核空间广义均衡模糊C-均值聚类算法
目的 针对现有广义均衡模糊C-均值聚类不收敛问题,提出一种改进广义均衡模糊聚类新算法,并将其推广至再生希尔伯特核空间以便提高该类算法的普适性.方法 在现有广义均衡模糊C-均值聚类目标函数的基础上,利用SchweizerT范数极限表达式的性质构造了新的广义均衡模糊C-均值聚类最优化目标函数,然后采用拉格朗日乘子法获取其迭代求解所对应的隶属度和聚类中心表达式,同时对其聚类中心迭代表达式进行修改并得到一类聚类性能显著改善的修正聚类算法;最后利用非线性函数将数据样本映射至高维特征空间获得核空间广义均衡模糊聚类算法.结果 对Iris标准文本数据聚类和灰度图像分割测试表明,提出的改进广义均衡模模糊聚类新算法及其修正算法具有良好的分类性能,核空间广义均衡模糊聚类算法对比现有融入类间距离的改进模糊C-均值聚类(VCS)算法和改进再生核空间的模糊局部C-均值聚类(KFLICM)算法能将图像分割的误分率降低10％～30％.结论 本文算法克服了现有广义均衡模糊C-均值聚类算法的缺陷,同时改善了聚类性能,适合复杂数据聚类分析的需要.
广义均衡模糊C-均值聚类、核空间、Schweizer T范数、图像分割、误分率、聚类性能
22
TP391.41(计算技术、计算机技术)
国家自然科学基金重点项目61136002;陕西省教育厅科学研究计划资助项目2015JK1654;陕西省自然科学基金项目2014JM8331,2014JQ5138,2014JM8307;研究生创新基金项目CXL2015-03The State Key Program of National China61136002;Natural Science Foundation of Shaanxi Province,China2014JM8331,2014JQ5138,2014JM8307
2017-03-17（万方平台首次上网日期，不代表论文的发表时间）
共9页
188-196
