典型文献
密度敏感模糊核最大熵聚类算法
文献摘要：
提出一种密度敏感模糊核最大熵聚类算法.该算法首先通过核函数将原始非线性非高斯的数据集转化为核空间数据集,然后利用核函数的相似性抵消不属于该聚类的样本数据在聚类过程中对聚类中心求解的干扰,消除正则化系数对聚类结果的影响,进而抑制传统最大熵聚类算法的趋同性.最后通过引入相对密度项,解决因样本数据在特征空间的分布差异而导致的聚类中心求解偏差问题,从而提高聚类结果的准确性.实验部分,本文讨论了算法参数间的关系以及对聚类结果的影响.通过与传统模糊C均值聚类算法、核模糊C均值聚类算法、最大熵聚类算法、最大熵规范化权重核模糊C均值聚类算法以及其他两种改进最大熵聚类算法的聚类结果进行对比分析,结果表明本文提出的密度敏感模糊核最大熵聚类算法的聚类性能明显优于其他算法.
文献关键词：
聚类;相对密度;最大熵聚类算法;鲁棒性
中图分类号：
作者姓名：
李烨桐;郭洁;祁霖;刘璇;阮鹏宇;陶新民
作者机构：
东北林业大学工程技术学院,黑龙江哈尔滨150040
文献出处：
引用格式：
[1]李烨桐;郭洁;祁霖;刘璇;阮鹏宇;陶新民-.密度敏感模糊核最大熵聚类算法)[J].控制理论与应用,2022(01):67-82
A类：
最大熵聚类算法
B类：
模糊核,核函数,非高斯,空间数据集,抵消,聚类中心,正则化,趋同性,相对密度,特征空间,分布差异,解偏,算法参数,数间,均值聚类
AB值：
0.150398
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
