一种基于核的模糊聚类算法

一种基于核的模糊聚类算法

曲福恒¹, 马驷良¹, 胡雅婷²

1. 吉林大学数学研究所, 长春 130012； 2. 吉林农业大学信息技术学院, 长春 130118

收稿日期:2008-02-04 修回日期:1900-01-01 出版日期:2008-11-26 发布日期:2008-11-26
通讯作者: 马驷良

A Kernel Based Fuzzy Clustering Algorithm

QU Fuheng¹, MA Siliang¹, HU Yating²

1. Institute of Mathematics, Jilin University, Changchun 130012, China;2. College of Information and Technology, Jilin Agriculture University, Changchun 130118, China

Received:2008-02-04 Revised:1900-01-01 Online:2008-11-26 Published:2008-11-26
Contact: MA Siliang

摘要/Abstract

摘要： 结合核技术与改进的模糊c均值算法聚类准则提出一种基于核的模糊聚类算法. 通过引入核函数, 样本点被非线性变换映射到高维特征空间进行聚类, 提高了聚类性能. 同时, 算法改进了模糊c-均值聚类模型中的概率型约束条件, 使其对噪声和野值点具有较好的鲁棒性. 在真实数据和人造数据上与常用聚类算法进行了对比实验, 结果表明该算法具有较低的时间、空间复杂度与较好的聚类性能.

关键词: 聚类分析, 核函数, 模糊c-均值, 特征空间

Abstract: A new kernel based fuzzy clustering algorithm was proposed on the basis of combining the kernel technique with the rules of the im proved fuzzy c-means clustering algorithm. In the proposed algorithm, the sample points are mapped into the feature space via introducing the kernel function into the clustering model to improve the performance. The new algorithm is robust to the noises because it relaxes the constraint conditions used in the fuzzy c-means clustering model. We compared the results with those of some most frequently used clustering algorithms to show the effectiveness of the proposed algorithm.

Key words: cluster analysis, kernel function, fuzzy c-means, feature space

中图分类号:

TP391.4

曲福恒, 马驷良, 胡雅婷. 一种基于核的模糊聚类算法[J]. J4, 2008, 46(06): 1137-1141.

QU Fuheng, MA Siliang, HU Yating. A Kernel Based Fuzzy Clustering Algorithm[J]. J4, 2008, 46(06): 1137-1141.

[1]	齐向明, 孙煦骄. 基于语义簇的中文文本聚类算法[J]. 吉林大学学报(理学版), 2019, 57(5): 1193-1199.
[2]	张森悦, 谭文安, 王楠. 基于布谷鸟搜索算法参数优化的组合核极限学习机[J]. 吉林大学学报(理学版), 2019, 57(5): 1185-1192.
[3]	朱超平, 任继平. 基于智能优化算法的物联网异构数据融合方法[J]. 吉林大学学报(理学版), 2019, 57(3): 627-632.
[4]	王海燕, 崔文超, 许佩迪, 李闯. 一种局部概率引导的优化K-means++算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1431-1436.
[5]	李鸿雁, 唐娴. 聚类分析和活动轮廓模型相融合的图像分割算法[J]. 吉林大学学报(理学版), 2019, 57(04): 896-902.
[6]	姜建华, 吴迪, 郝德浩, 王丽敏, 张永刚, 李克勤. 基于CDbw和人工蜂群优化的密度峰值聚类算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1469-1475.
[7]	徐中宇, 苏明玉, 姚庆安. 基于改进PSO算法的混合核SVM算法[J]. 吉林大学学报(理学版), 2018, 56(3): 625-630.
[8]	夏雪飞, 韩啸, 兰天姝, 王礼华, 吴佳楠, 周柚. 基于灰值区间的微阵列模拟数据生成算法[J]. 吉林大学学报(理学版), 2016, 54(06): 1401-1404.
[9]	姜建华, 杨玉免, 边海燕, 康嘉容，王丽敏，刘颖. 改进DBSCAN聚类算法在电子商务网站评价中的应用[J]. 吉林大学学报(理学版), 2016, 54(02): 329-336.
[10]	李蕴奇. 基于可编程逻辑器件的单向壳核函数构造方法[J]. J4, 2012, 50(02): 305-308.
[11]	高璐, 李文辉, 王莹. 基于模糊聚类分析和多特征融合的人脸识别方法[J]. J4, 2012, 50(02): 293-298.
[12]	曲福恒, 胡雅婷, 马驷良, 苑丽红, 孙爽滋. 基于核的模糊c均值聚类算法的收敛性定理[J]. J4, 2011, 49(06): 1079-1086.
[13]	梁悦, 魏世刚, 茹鑫, 于爱民, 师宇华. 用气相色谱法研究逍遥丸（水丸）的指纹图谱及其分层聚类分析[J]. J4, 2010, 07(4): 683-688.
[14]	曲福恒, 胡雅婷, 马驷良. 基于模拟退火的无监督核模糊聚类算法[J]. J4, 2009, 47(02): 317-322.
[15]	孙毅, 杨荣, 张旭利. NeumannBessel级数的收敛性[J]. J4, 2008, 46(02): 179-182.