基于自适应近邻信息的模糊C均值聚类算法OA北大核心CSTPCD
Fuzzy C-means clustering algorithm based on adaptive neighbors information
传统的模糊C均值算法直接基于原始数据进行聚类,数据的内在结构可能会被噪声、异常值或其他因素破坏,因此聚类性能会受到影响.为提升FCM算法的鲁棒性,提出了一种基于自适应近邻信息的模糊C均值聚类算法.近邻信息指的是一种基于数据点之间相似度的度量,每个数据点都可以看作其他数据点的近邻,但是不同数据点之间的相似度是不同的.将样本点的近邻信息GX和类中心点的近邻信息GV融入基础FCM模型中,为聚类过程提供更多的数据结构信息,用于指导聚类算法中的簇划分过程,…查看全部>>
Traditional FCM algorithms cluster based on raw data,risking distortion from noise,outliers,or other disruptions,which can degrade clustering outcomes.To bolster FCM's resilience,this study intro-duces a fuzzy C-means clustering algorithm that leverages adaptive neighbor information.This concept hinges on the similarity between data points,treating each point as a potential neighbor to others,albeit with varying degrees of similarity.By integrating the neigh…查看全部>>
高云龙;李建鹏;郑兴莘;邵桂芳;祝青园;曹超
厦门大学 萨本栋微米纳米科学技术研究院,福建 厦门 361102厦门大学 自动化系,福建 厦门 361102厦门大学 萨本栋微米纳米科学技术研究院,福建 厦门 361102厦门大学 萨本栋微米纳米科学技术研究院,福建 厦门 361102厦门大学 萨本栋微米纳米科学技术研究院,福建 厦门 361102自然资源部 第三海洋研究所,福建 厦门 361005
计算机与自动化
模糊C均值聚类自适应近邻算法鲁棒性迭代算法
fuzzy C-means clusteringadaptive neighborsalgorithm robustnessiterative algorithm
《光学精密工程》 2024 (7)
1045-1058,14
国家自然科学基金资助项目(No.42076058,No.52075461)福建省自然科学基金资助项目(No.2020J01713,No.2022J01061)
评论