国家科技支撑计划(2007BAH08802)
- 作品数：3 被引量：32H指数：2
- 相关作者：王纵虎陈东辉刘志镜更多>>
- 相关机构：西安电子科技大学更多>>
- 发文基金：国家科技支撑计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于粒子群优化的可能性C均值聚类改进方法被引量：7
- 2012年
- 提出了一种基于粒子群优化的可能性C均值(Possibilistic C-means,PCM)聚类改进方法。该方法首先通过改进PCM算法的目标函数来计算数据模式的隶属度矩阵和聚类中心完成粒子编码,从而降低算法对初始中心的敏感,提高聚类的精度;其次,通过粒子群优化(Particle Swarm Optimization,PSO)算法对编码进行优化,以有效地克服PCM聚类算法容易导致聚类一致性和陷入局部最优解的缺点,减少算法的迭代次数。通过人造数据集和UCI数据集上的实验,表明该算法在计算复杂度、聚类精度和全局寻优能力方面表现得较为突出。
- 陈东辉刘志镜王纵虎
- 关键词：模糊聚类粒子群优化模糊C均值
- 基于统计学习的自适应文本聚类被引量：2
- 2012年
- 针对文本数据的高维性和稀疏性从而使传统的聚类算法在文本聚类应用中的表现不能让人满意的问题,通过计算文档相似度矩阵,在聚类过程中动态地统计学习已划分和未划分文本集合的相关信息,探测剩余未划分的数据集中的与已划分类簇覆盖度较小的最大密集区域,逐步生成预定数目的初始聚类中心集合,最后将剩余文档划分到最相似的初始聚类中心集合完成聚类,从而有效地减小了划分聚类算法对初始聚类中心的敏感性。算法中的一些阈值参数均通过在聚类过程中动态地对数据集进行统计学习得到,避免了多数聚类算法通过经验或实验设定阈值参数的盲目性,在不同数据集上的鲁棒性更强。在几个中英文数据集上的实验结果表明本文算法在不同数据集上表现良好,优于CLUTO聚类器中的聚类算法。
- 王纵虎刘志镜陈东辉
- 关键词：聚类向量空间模型相似度阈值
- 基于粒子群优化的模糊C-均值聚类算法研究被引量：23
- 2012年
- 针对用模糊C-均值聚类算法选择初始聚类中心敏感及模糊加权指数m对模糊C-均值聚类算法的聚类性能影响较大等问题,利用粒子群优化算法的全局寻优能力强及收敛速度较快的特点,结合模糊C-均值算法提出一种新的模糊聚类算法;采用了一种简单有效的粒子编码方法,将初始聚类中心和模糊加权指数m同时进行粒子群优化搜索,在得到最优适应度的同时,m也收敛到一个稳定的最优解,从而有效地解决了上述问题。算法在人工合成数据集和多个UCI数据集上都取得了较好的效果。
- 王纵虎刘志镜陈东辉
- 关键词：聚类模糊C-均值聚类粒子群优化初始聚类中心
