|
|||||
|
|
| 基于中心自动融合的多尺度可能性聚类算法 | |
| 作者姓名： | 胡雅婷 左春柽 曲福恒 |
| 作者单位： | 吉林农业大学信息技术学院;吉林大学机械科学与工程学院;长春理工大学计算机科学技术学院; |
| 基金项目： | 国家科技支撑计划项目(批准号:2009BAE69B02);吉林省教育厅“十二五”科学技术研究项目(批准号:2013-420);吉林农业大学科研启动基金(批准号:201135);长春理工大学青年基金(批准号:XQNJJ-2011-10) |
| 摘 要： | 针对可能性聚类对初始化参数设置依赖性较强的问题,提出一种基于中心自动融合的可能性聚类算法,并证明了算法中尺度因子的多尺度性质.该算法通过建立中心的相关性判定准则,根据数据自身分布特点动态调整聚类数目与结构,通过引入尺度参数实现对数据的多分辨率分析.与传统的模糊和可能性聚类算法相比,该算法摆脱了对聚类数目及初始化中心或隶属度矩阵设置的依赖性,易于控制.人造数据和真实数据实验结果表明,该算法能自动确定数据中不同尺度下的聚类结构,具有识别不同大小聚类结构的能力. |
| 关 键 词： | 可能性聚类 多尺度 中心融合 初始化敏感性 |
| 本文献已被 CNKI 等数据库收录！ | |