基于特征加权距离的双指数模糊子空间聚类算法
来源期刊：控制与决策2010年第8期
论文作者：王骏 王士同 王晓明
文章页码：1207 - 1210
关键词：模糊聚类;特征加权距离;全局收敛性;非平衡数据集;
摘 要：传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数γ和β,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.
王骏1,2，王士同2，王晓明2
1. 南京理工大学计算机科学与技术学院2. 江南大学信息工程学院
摘 要：传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数γ和β,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.
关键词：模糊聚类;特征加权距离;全局收敛性;非平衡数据集;
