声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-5602/TP
国际刊号：1673-9418
发布日期:
作者：邵俊健，王士同
单位：江南大学 数字媒体学院，江苏 无锡 214122
关键词：高斯噪声,增量式聚类算法,距离度量,高维数据,FCPM算法
针对含有噪声的高维数据的聚类问题，提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感，所提出的聚类算法将单程FCM的增量机制（称为SpFCM）与FCPM中使用的初始化聚类中心的策略相结合，即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类，以避免FCM对噪声的敏感性。此外，所提出的聚类算法使用一种新的改进后的距离度量的同时，使用修正后的约束条件和目标函数。通过以上改进，可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度。实验结果表明，该算法对高维噪声数据具有很好的聚类效果和鲁棒性。
来源：2019年第9期
《计算机科学与探索》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。