具有自适应参数的粗糙k-means聚类算法

doi:10.3778/j.issn.1002-8331.2010.26.003

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 7-10.DOI: 10.3778/j.issn.1002-8331.2010.26.003

具有自适应参数的粗糙k-means聚类算法

周涛^1，2

1.宁夏医科大学理学院，银川 750004
2.陕西理工学院数学系，陕西汉中 723000

收稿日期:2010-05-04 修回日期:2010-06-21 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 周涛

Adaptive rough k-means clustering algorithm

ZHOU Tao^1，2

1.School of Science，Ningxia Medical University，Yinchuan 750004，China
2.Department of Mathematics，Shaanxi University of Technology，Hanzhong，Shaanxi 723000，China

Received:2010-05-04 Revised:2010-06-21 Online:2010-09-11 Published:2010-09-11
Contact: ZHOU Tao

摘要/Abstract

摘要： 粗糙聚类是不确定聚类算法中一种有效的聚类算法，这里通过分析粗糙k-means算法，指出了其中3个参数w_l，w_u和ε设置时存在的缺点，提出了一种自适应粗糙k-means聚类算法，该算法能进一步优化粗糙k-means的聚类效果，降低对“噪声”的敏感程度，最后通过实验验证了算法的有效性。

关键词: 粗糙集, k-means聚类算法, 自适应

Abstract: Rough clustering is one of valid clustering algorithms in indeterminate clustering.Through analyzing rough k-means algorithm，its shortcoming about the parameters adjustment about w_l，w_u and ε is pointed out.Rough k-means clustering algorithm with adaptive parameters is presented.This algorithm can optimize clustering result of rough k-means，and decrease sensitivity about noise.Finally，this algorithm’s validity is proved by experiments.

Key words: rough set, k-means clustering algorithm, adaptive

中图分类号:

TP301.6

周涛^1，2. 具有自适应参数的粗糙k-means聚类算法[J]. 计算机工程与应用, 2010, 46(26): 7-10.

ZHOU Tao^1，2. Adaptive rough k-means clustering algorithm[J]. Computer Engineering and Applications, 2010, 46(26): 7-10.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[9]	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.
[10]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[11]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[12]	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.
[13]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[14]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[15]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.

具有自适应参数的粗糙k-means聚类算法

Adaptive rough k-means clustering 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