|
|||||
|
|
| 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： | 1. 吉林农业大学 信息技术学院, 长春 130118； 2. 吉林大学 机械科学与工程学院, 长春 130022；3. 长春理工大学 计算机科学技术学院, 长春 130022 |
| 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 |
| 收稿时间： | 2013-07-27 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 | |
| 点击此处可从《吉林大学学报(理学版)》下载全文 | |