K平面聚类算法的模糊改进及其鲁棒性研究  

Improved Fuzzy Partitions for K-Plane Clustering Algorithm and Its Robustness Research

作　　者：朱林[1] 王士同[1] 潘永惠[1] 韩斌[1] 

机构地区：[1]江南大学信息工程学院,无锡214122

出　　处：《电子与信息学报》2008年第8期1923-1927,共5页Journal of Electronics & Information Technology

基　　金：国家863项目(2006AA10Z313);国家自然科学基金(60225015);国防应用基础研究基金项目(A1420461266);2005年教育部科学研究重点基金项目(105087)资助课题

摘　　要：该文针对K平面聚类算法KPC(K-Plane Clustering)对噪声点敏感的缺陷,通过引入隶属度约束函数,推导出鲁棒的改进分割K平面聚类算法IFP-KPC(Improved Fuzzy Partitions for K-Plane Clustering),并利用Voronoi距离对IFP-KPC算法的鲁棒性进行了合理解释。实验结果表明IFP-KPC算法较之于KPC算法具有更好的聚类效果。A new robust Improved Fuzzy Partitions for K-Plane Clustering （IFP-KPC） algorithm is proposed. The proposed algorithm can reduce the sensitivity of the k-plane clustering algorithm to noises in real datasets. Also the distances to the Voronoi cell are used to give a reasonable explanation for the robustness of IFP-KPC. Experimental results demonstrate the effectiveness of IFP-KPC.

关 键 词：K平面聚类 改进模糊分割 Voronoi距离 鲁棒性 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]