改进的模糊核聚类算法  

Improvement Fuzzy kernel Clustering Algorithm

作　　者：章森[1] 朱美玲[1,2] 侯光奎[2] 

机构地区：[1]北京工业大学应用数理学院,北京100124 [2]沧州师范学院计算机系,河北沧州061001

出　　处：《北京工业大学学报》2012年第9期1408-1411,共4页Journal of Beijing University of Technology

基　　金：国家自然科学基金资助项目(60572125)

摘　　要：将核学习方法的思想和改进的选择C-均值聚类算法相结合,提出了一种改进的模糊核聚类算法,使其能对非超球体、含有噪音和离群点及样本不均衡的数据进行有效的聚类.通过引入高斯核函数,原样本的特征被非线性变换到高维核空间,提高了聚类性能.实验结果表明,该改进算法具有有效性.A kernel-based improved alternative fuzzy C-means （KIAFCM） clustering algorithm was presented in this paper, which combined the advances of kernel-based learning approach and IAFCM algorithm, and could effectively cluster non-hyper spherical samples, or samples with noise, outliers, etc. The KIAFCM algorithm non-linearly mapped the feature space into the high-dimensional kernel space to improve the clustering performance. Results show that the proposed algorithm is effective.

关 键 词：模糊C-均值聚类 选择C-均值聚类算法 高斯核函数 特征空间 

分 类 号：O242[理学—计算数学]