李斌
- 作品数：1 被引量：4H指数：1
- 供职机构：江南大学数字媒体学院更多>>
- 发文基金：江苏省产学研联合创新资金项目江苏省“六大人才高峰”高层次人才项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进核模糊C均值类间极大化聚类算法被引量：4
- 2016年
- 传统的核聚类仅考虑了类内元素的关系而忽略了类间的关系,对边界模糊或边界存在噪声点的数据集进行聚类分析时,会造成边界点的误分问题。为解决上述问题,在核模糊C均值(KFCM)聚类算法的基础上提出了一种基于改进核模糊C均值类间极大化聚类(MKFCM)算法。该算法考虑了类内元素和类间元素的联系,引入了高维特征空间的类间极大惩罚项和调控因子,拉大类中心间的距离,使得边界处的样本得到了较好的划分。在各模拟数据集的实验中,该算法在类中心的偏移距离相对其他算法均有明显降低。在人造高斯数据集的实验中,该算法的精度(ACC)、归一化互信息(NMI)、芮氏指标(RI)指标分别提升至0.913 2,0.757 5,0.913 8。
- 李斌狄岚王少华于晓瞳
- 关键词：核聚类模糊C均值聚类
