FCM迭代增强与划分混合聚类算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 158-160.

• 数据库、信号与信息处理 • 上一篇下一篇

FCM迭代增强与划分混合聚类算法

陈磊1，牛秦洲2

1.马鞍山钢铁股份有限公司第四钢轧总厂，安徽马鞍山 243000
2.桂林理工大学信息科学与工程学院，广西桂林 541004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Hybrid iterate boosting and space portioning clustering based FCM algorithm

CHEN Lei1，NIU Qinzhou2

1.No.4 Steel Making & Rolling Plant of Maanshan Iron & Steel Co.，Ltd.，Maanshan，Anhui 243000，China
2.Guilin University of Technology，College of Information Science and Engineering，Guilin，Guangxi 541004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 提出了一种以迭代增强和空间划分为基础的模糊C均值聚类方法，利用弱学习理论在每次迭代之后将产生的训练集合重新归并，在原有划分集的基础上通过分布质量权重选举方法更新产生最优假设划分集，克服了传统的简单重复训练方法的聚类效果不理想的缺点。通过形状分类实验和聚类量化指标对比，证明了该方法具有分类质量高、形状分割彻底的优点。

关键词: 迭代增强, 聚类, 空间划分, 弱学习

Abstract: A hybrid Iterate boosting and space portioning clustering based FCM algorithm is proposed.Under the foundation of original portion set，the iterated optimize cluster hypothesis updates with the fraction of distribution weight voting，making use of the weak learning exoteric to remerge with the training set after every iterate process.Compared with the traditional simple repeat training clustering method，a disadvantage has been got over.It confirms that the algorithm has high quality of classification and entirely shape portioning effect in the shape classification experiment and quantity index contrast.

Key words: iterate boosting, clustering, space portioning, weak learning

陈磊1，牛秦洲2. FCM迭代增强与划分混合聚类算法[J]. 计算机工程与应用, 2011, 47(34): 158-160.

CHEN Lei1，NIU Qinzhou2. Hybrid iterate boosting and space portioning clustering based FCM algorithm[J]. Computer Engineering and Applications, 2011, 47(34): 158-160.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[7]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[8]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[9]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[10]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[11]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[12]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[13]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[14]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[15]	梅婕，魏圆圆，许桃胜. 基于密度峰值多起始中心的融合聚类算法[J]. 计算机工程与应用, 2021, 57(22): 78-85.

FCM迭代增强与划分混合聚类算法

Hybrid iterate boosting and space portioning clustering based FCM algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics