基于密度加权的粗糙K-均值聚类改进算法 被引量：25

1

作者 郑超 苗夺谦 王睿智 《计算机科学》 CSCD 北大核心 2009年第3期220-222,共3页

针对粗糙K-均值聚类算法中类均值计算式的特点,提出了一种改进的粗糙K-均值算法。改进后的算法基于数据对象所在区域的密度,在类的均值计算过程中对每个对象赋以不同的权重。不同测试数据集的实验结果表明,改进后的粗糙K-均值算法提高... 针对粗糙K-均值聚类算法中类均值计算式的特点,提出了一种改进的粗糙K-均值算法。改进后的算法基于数据对象所在区域的密度,在类的均值计算过程中对每个对象赋以不同的权重。不同测试数据集的实验结果表明,改进后的粗糙K-均值算法提高了聚类的准确性,降低了迭代次数,并且可以有效地减小孤立点对聚类的影响。 展开更多

关键词 聚类算法 粗糙k-均值 密度 孤立点

下载PDF 职称材料

基于自适应权重的粗糙K均值聚类算法 被引量：12

2

作者 周杨 苗夺谦 岳晓冬 《计算机科学》 CSCD 北大核心 2011年第6期237-241,共5页

原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在每一次迭代过程中,根据当前的数据划分状态,动态计算每个样本... 原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在每一次迭代过程中,根据当前的数据划分状态,动态计算每个样本对于类的权重,降低了原有算法对初始权重的依赖。此外,该算法采用近似集合中的高斯距离比例来表现样本权重,从而可以在多种数据分布上得到更精确的聚类结果。实验结果表明,基于自适应权重的粗糙K均值算法是一种较优的聚类算法。 展开更多

关键词 聚类 粗糙集 粗糙k均值 自适应权重

下载PDF 职称材料

一种新的密度加权粗糙K-均值聚类算法 被引量：11

3

作者 谢娟英 张琰 +1 位作者 谢维信 高新波 《山东大学学报（理学版）》 CAS CSCD 北大核心 2010年第7期1-6,共6页

为了克服粗糙K-均值聚类算法初始聚类中心点随机选取,以及样本密度函数定义所存在的缺陷,基于数据对象所在区域的样本点密集程度,定义了新的样本密度函数,选择相互距离最远的K个高密度样本点作为初始聚类中心,克服了现有粗糙K-均值聚类... 为了克服粗糙K-均值聚类算法初始聚类中心点随机选取,以及样本密度函数定义所存在的缺陷,基于数据对象所在区域的样本点密集程度,定义了新的样本密度函数,选择相互距离最远的K个高密度样本点作为初始聚类中心,克服了现有粗糙K-均值聚类算法的初始中心随机选取的缺点,从而使得聚类结果更接近于全局最优解。同时在类均值计算中,对每个样本根据定义的密度赋以不同的权重,得到不受噪音点影响的更合理的质心。利用UC I机器学习数据库的6组数据集,以及随机生成的带有噪音点的人工模拟数据集进行测试,证明本文算法具有更好的聚类效果,而且对噪音数据有很强的抗干扰性能。 展开更多

关键词 聚类算法 粗糙k-均值 聚类中心 加权 密度

原文传递

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法 被引量：10

4

作者 王文哲 吴华 +2 位作者 索中英 陈游 程嗣怡 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2016年第1期51-55,共5页

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速... 针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。 展开更多

关键词 雷达辐射源识别 粗糙k-means ADABOOST 计算复杂度

下载PDF 职称材料

基于空间距离自适应权重度量的粗糙K-means算法 被引量：7

5

作者 王慧研 张腾飞 马福民 《计算机科学》 CSCD 北大核心 2018年第7期190-196,共7页

粗糙K-means算法中下近似和边界区域权重系数的设置对算法的聚类效果有着重要的影响。传统的粗糙K-means算法及很多改进的粗糙K-means算法对所有类簇的下近似和边界区域设置固定的权重,忽视了簇内数据对象分布差异性的影响。针对这个问... 粗糙K-means算法中下近似和边界区域权重系数的设置对算法的聚类效果有着重要的影响。传统的粗糙K-means算法及很多改进的粗糙K-means算法对所有类簇的下近似和边界区域设置固定的权重,忽视了簇内数据对象分布差异性的影响。针对这个问题,根据下近似和边界区域的数据对象相对于类簇中心的空间分布情况,提出一种新的基于空间距离自适应权重度量的粗糙K-means算法。该算法在每次迭代过程中,根据每个类簇的下近似和边界区域的数据对象相对于类簇中心的平均距离,综合度量下近似和边界区域对于类簇中心迭代计算的不同重要程度,动态地计算下近似和边界区域的相对权重系数。通过实例验证及实验仿真证明了所提算法的有效性。 展开更多

关键词 粗糙k-means 粗糙集 聚类算法 自适应权重

下载PDF 职称材料

基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法 被引量：7

6

作者 张鑫涛 马福民 +1 位作者 曹杰 张腾飞 《模式识别与人工智能》 EI CSCD 北大核心 2019年第12期1141-1150,共10页

针对粗糙K-means聚类及其相关衍生算法需要提前人为给定聚类数目、随机选取初始类簇中心导致类簇交叉区域的数据划分准确率偏低等问题,文中提出基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法.在计算边界区域的数据对象归属于... 针对粗糙K-means聚类及其相关衍生算法需要提前人为给定聚类数目、随机选取初始类簇中心导致类簇交叉区域的数据划分准确率偏低等问题,文中提出基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法.在计算边界区域的数据对象归属于不同类簇的隶属程度时,综合考虑局部密度和距离的混合度量,并采用自适应调整类簇数目的策略,获得最佳聚类数目.选取数据对象稠密区域中距离最小的两个样本的中点作为初始类簇中心,将附近局部密度高于平均密度的对象划分至该簇后再选取剩余的初始类簇中心,使初始类簇中心的选取更合理.在人工数据集和UCI标准数据集上的实验表明,文中算法在处理类簇交叠严重的球簇状数据集时,具有自适应性,聚类精度较优. 展开更多

关键词 粗糙模糊聚类 粗糙k-means 混合度量 类簇自适应 局部密度

下载PDF 职称材料

基于模糊粗糙k-均值的用户访问模式的聚类 被引量：4

7

作者 吴瑞 宁玉富 《系统工程理论与实践》 EI CSCD 北大核心 2007年第7期116-121,共6页

Web用户访问过的网页以及在该网页上的浏览时间体现了用户的访问兴趣.为了更好的衡量任意两个用户访问模式之间的相似/相异度,每个用户访问模式都被转换成具有相等长度的模糊向量,其中每个元素要么是0要么是模糊语言变量,它体现了用户... Web用户访问过的网页以及在该网页上的浏览时间体现了用户的访问兴趣.为了更好的衡量任意两个用户访问模式之间的相似/相异度,每个用户访问模式都被转换成具有相等长度的模糊向量,其中每个元素要么是0要么是模糊语言变量,它体现了用户是否访问过该网页及在该网页上的浏览时间.由于类的边界可能是模糊的,因而使用粗糙k-均值法对这些代表用户浏览特征的模糊向量进行聚类.最后使用Davies-Bouldin指标来衡量聚类的效果. 展开更多

关键词 WEB挖掘 WEB聚类 用户浏览模式 粗糙k-均值

原文传递

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究 被引量：2

8

作者 张政超 关欣 李应升 《航空计算技术》 2009年第4期18-21,26,共5页

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络(RBFNN)的聚类中心,然后用粗糙集理论约简得到的规则构建径向... 针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络(RBFNN)的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。 展开更多

关键词 雷达辐射源识别 粗糙集 粗糙k-均值 RBF神经网络

下载PDF 职称材料

基于粗糙k-均值的web事务的聚类

9

作者 曹棣 孔晓斌 《山西师范大学学报（自然科学版）》 2011年第2期45-49,共5页

在web挖掘的聚类分析中,类与类之间不一定存在清晰的边界.而且由于web浏览过程和web日志内存在各种各样的原因,存在大量错误的或不完全的数据的可能性很高,因此许多研究者使用模糊理论的方法对web数据进行聚类分析.本文提出了基于粗糙... 在web挖掘的聚类分析中,类与类之间不一定存在清晰的边界.而且由于web浏览过程和web日志内存在各种各样的原因,存在大量错误的或不完全的数据的可能性很高,因此许多研究者使用模糊理论的方法对web数据进行聚类分析.本文提出了基于粗糙理论的粗糙k-均值的聚类方法,在聚类过程中,每个web事务被转换成等长的向量形式,并给出它们的相似性度量,而且每个类由一个边界模糊的粗糙集来表示,然后利用改进的粗糙k-均值法对web事务进行聚类.最后给出了实例说明和实验分析. 展开更多

关键词 WEB挖掘 聚类分析 粗糙集 粗糙k-均值

下载PDF 职称材料

基于簇内不平衡度量的粗糙K-means聚类算法 被引量：12

10

作者 张腾飞 陈龙 李云 《控制与决策》 EI CSCD 北大核心 2013年第10期1479-1484,共6页

粗糙K-means聚类算法是一种有效的处理聚类边界模糊问题的算法,但大多数算法对簇的下近似集和边界中的对象使用统一的权值,忽略了簇内对象之间的差异性.针对这一问题提出一种新的改进算法,通过对簇内的每个对象加入簇内不平衡度量,以区... 粗糙K-means聚类算法是一种有效的处理聚类边界模糊问题的算法,但大多数算法对簇的下近似集和边界中的对象使用统一的权值,忽略了簇内对象之间的差异性.针对这一问题提出一种新的改进算法,通过对簇内的每个对象加入簇内不平衡度量,以区分不同对象对簇的贡献程度,使得聚类结果簇内更紧凑、簇间更疏远.不同数据集的仿真实验结果表明,所提出算法可以有效提高聚类结果的精度. 展开更多

关键词 簇内不平衡度量 粗糙集 粗糙k-means聚类

原文传递

结合人工蜂群优化的粗糙K-means聚类算法 被引量：8

11

作者 叶廷宇 叶军 +1 位作者 王晖 王磊 《计算机科学与探索》 CSCD 北大核心 2022年第8期1923-1932,共10页

粗糙K-means聚类算法具有较强的处理边界不确定数据能力,但该算法也存在对初始聚类中心选取敏感,以及采用固定权重和阈值方式而导致聚类结果不稳定、精度下降等问题。许多研究工作从不同角度致力于解决这些问题。引入人工蜂群算法(ABC)... 粗糙K-means聚类算法具有较强的处理边界不确定数据能力,但该算法也存在对初始聚类中心选取敏感,以及采用固定权重和阈值方式而导致聚类结果不稳定、精度下降等问题。许多研究工作从不同角度致力于解决这些问题。引入人工蜂群算法(ABC)从三方面对算法进行了改进:首先,以下近似和边界集中数据对象个数与对象在数据集中空间分布的差异性乘积的比值为基础,设计了一种更为合理的动态调整下近似和边界集的权重方法。其次,为加快算法的收敛速度,给出了一种与迭代次数相关联的自适应阈值ε的实现方法。最后,通过构造蜜源位置的适应度函数,引导蜂群向高质量蜜源全局搜索,把蜂群每次迭代得到的最优源位置作为初始聚类中心,并在此基础上进行交替聚类。实验结果表明,改进后的算法提高了聚类结果的稳定性,获得了较好的聚类效果。 展开更多

关键词 粗糙k-means聚类算法 人工蜂群算法(ABC) 蜜源 聚类中心 适应度函数

下载PDF 职称材料

考虑边界样本邻域归属信息的粗糙K-means增量聚类算法 被引量：6

12

作者 马福民 孙静勇 张腾飞 《控制与决策》 EI CSCD 北大核心 2022年第11期2968-2976,共9页

在原有数据聚类结果的基础上,如何对新增数据进行归属度量分析是提高增量式聚类质量的关键,现有增量式聚类算法更多地是考虑新增数据的位置分布,忽略其邻域数据点的归属信息.在粗糙K-means聚类算法的基础上,针对边界区域新增数据点的不... 在原有数据聚类结果的基础上,如何对新增数据进行归属度量分析是提高增量式聚类质量的关键,现有增量式聚类算法更多地是考虑新增数据的位置分布,忽略其邻域数据点的归属信息.在粗糙K-means聚类算法的基础上,针对边界区域新增数据点的不确定性信息处理,提出一种基于邻域归属信息的粗糙K-means增量式聚类算法.该算法综合考虑边界区域新增数据样本的位置分布及其邻域数据点的类簇归属信息,使得新增数据点与各类簇的归属度量更为合理;此外,在增量式聚类过程中,根据新增数据点所导致的类簇结构的变化,对类簇进行相应的合并或分裂操作,使类簇划分可以自适应调整.在人工数据集和UCI标准数据集上的对比实验结果验证了算法的有效性. 展开更多

关键词 粗糙k-means聚类 增量聚类 邻域归属信息 类簇结构

原文传递

动态的粗糙增量聚类方法 被引量：5

13

作者 洪亮亮 罗可 《计算机工程与应用》 CSCD 北大核心 2011年第24期106-110,共5页

数据挖掘领域中已提出了很多聚类算法及其改进形式,但对增量式聚类方法的研究较少。当数据集因为更新而发生了变化,那么数据挖掘结果也要进行必要的更新。由于数据量大,如果在新增数据后再对所有数据运用聚类算法进行聚类,效率显然不高... 数据挖掘领域中已提出了很多聚类算法及其改进形式,但对增量式聚类方法的研究较少。当数据集因为更新而发生了变化,那么数据挖掘结果也要进行必要的更新。由于数据量大,如果在新增数据后再对所有数据运用聚类算法进行聚类,效率显然不高,因此进一步研究增量式聚类算法是很有必要的。在一种改进的基于遗传算法的粗糙聚类方法(IRCBGA)的基础上,提出了一种增量式粗糙聚类方法。数值仿真表明该算法能很好地解决传统聚类算法的数据更新的聚类问题。 展开更多

关键词 遗传算法 粗糙k-均值聚类 增量聚类 密度

下载PDF 职称材料

基于相对距离的改进粗K-means方法 被引量：2

14

作者 王明春 唐万生 +1 位作者 江琪 刘鑫 《计算机应用》 CSCD 北大核心 2009年第4期1102-1105,共4页

对现有的两种基于绝对距离的粗K-means方法进行了讨论,指出了各自的不足之处。在此基础之上,讨论了用相对距离替代绝对距离的合理性,从而给出了基于相对距离的粗K-means方法。通过对随机数据、Iris数据和文本数据进行聚类效果比较,验证... 对现有的两种基于绝对距离的粗K-means方法进行了讨论,指出了各自的不足之处。在此基础之上,讨论了用相对距离替代绝对距离的合理性,从而给出了基于相对距离的粗K-means方法。通过对随机数据、Iris数据和文本数据进行聚类效果比较,验证了基于相对距离的粗K-means方法的可行性和有效性。 展开更多

关键词 粗糙集 粗k-means方法 聚类

下载PDF 职称材料

基于粗糙K均值的服务质量相关弹性流聚集

15

作者 吴争 董育宁 +1 位作者 田炜 汤萍萍 《电子与信息学报》 EI CSCD 北大核心 2019年第12期3036-3042,共7页

面对多变的网络环境,现有的网络服务质量(QoS)映射中流聚集方法缺乏灵活性。针对现有聚集方法的缺陷,该文提出一种动态聚集方法。使用增强粗糙K均值算法(ERKM),按照网络流的QoS属性将网络流进行合理聚集,并且在网络处于高负载状况时,通... 面对多变的网络环境,现有的网络服务质量(QoS)映射中流聚集方法缺乏灵活性。针对现有聚集方法的缺陷,该文提出一种动态聚集方法。使用增强粗糙K均值算法(ERKM),按照网络流的QoS属性将网络流进行合理聚集,并且在网络处于高负载状况时,通过隶属度弹性聚集网络流,从而适应网络的变化,使得网络流聚集具有灵活性。最后进行了网络流聚集实验和调度实验。实验表明,相比于现有的方法,该方法能够更加弹性地应对不同网络状态,并且更好地保障网络流的QoS指标。此外,还进一步验证了该文方法在不同网络环境下的QoS类聚集的一致性。 展开更多

关键词 网络流聚集 增强粗糙k-means 服务质量映射 隶属度

下载PDF 职称材料

一种基于粗糙K均值的多靶点中心优化方法

16

作者 吴宏杰 吕强 +3 位作者 叶红霞 胡伏原 付保川 钱培德 《苏州科技学院学报（工程技术版）》 CAS 2012年第3期76-80,共5页

结合粗糙集理论与K均值算法,提出一种粗糙K均值多靶点中心优化方法,通过噪声去除、多靶点区域识别、靶点中心计算三个步骤获取多个靶点中心的最优坐标。最后,在仿真桥梁上进行检验,结果显示其精度为74.5%,相关系数为0.290,说明该方法具... 结合粗糙集理论与K均值算法,提出一种粗糙K均值多靶点中心优化方法,通过噪声去除、多靶点区域识别、靶点中心计算三个步骤获取多个靶点中心的最优坐标。最后,在仿真桥梁上进行检验,结果显示其精度为74.5%,相关系数为0.290,说明该方法具有一定的准确性与鲁棒性。 展开更多

关键词 粗糙k均值 多靶点 靶点中心 桥梁监测

下载PDF 职称材料

基于类簇规模不均衡度量的粗糙模糊K-means聚类算法 被引量：9

17

作者 张腾飞 李中文 +3 位作者 马福民 窦春霞 彭晨 岳东 《信息与控制》 CSCD 北大核心 2020年第3期281-288,共8页

粗糙模糊K-means (RFKM)聚类综合利用了粗糙集和模糊集的优势互补,是一种有效的聚类分析算法,但现有的RFKM算法大多只考虑了簇内样本空间分布的模糊度量,忽略了类簇规模的不均衡特征对聚类结果的影响,对类簇规模不均衡的数据集进行聚类... 粗糙模糊K-means (RFKM)聚类综合利用了粗糙集和模糊集的优势互补,是一种有效的聚类分析算法,但现有的RFKM算法大多只考虑了簇内样本空间分布的模糊度量,忽略了类簇规模的不均衡特征对聚类结果的影响,对类簇规模不均衡的数据集进行聚类分析时,适应性较差.为了能够从算法层面直接对类簇规模不均衡的数据集有效地进行聚类分析,引入了对类簇规模不均衡程度的自适应度量,并提出了一种基于类簇规模不均衡度量的粗糙模糊K-means聚类算法.通过人工数据集和UCI标准数据集验证了算法的有效性. 展开更多

关键词 粗糙模糊k-means聚类 粗糙集 模糊隶属度 类簇规模不均衡度量

原文传递

基于DAE和改进RFKM的负荷数据精准特征提取与标签定义

18

作者 刘礼 杨佳轩 +3 位作者 强仁 龚钢军 陆俊 武昕 《电力信息与通信技术》 2024年第7期35-44,共10页

针对目前配电网用户负荷数据高维度时序数据特征提取难、交叉数据聚类处理难、负荷数据精准标签化难等问题,文章提出面向用户负荷数据的基于降噪自编码器和改进粗糙模糊K均值的特征提取与标签定义模型(feature extraction and label def... 针对目前配电网用户负荷数据高维度时序数据特征提取难、交叉数据聚类处理难、负荷数据精准标签化难等问题,文章提出面向用户负荷数据的基于降噪自编码器和改进粗糙模糊K均值的特征提取与标签定义模型(feature extraction and label definition model based on DAE and improve RFKM,FLMbD-iR)。FLMbD-iR通过降噪自编码器对原始用户负荷数据进行深度特征提取后,利用基于类簇规模不均衡度量的粗糙模糊K均值进行聚类,处理聚类中簇间交叉数据存在误差的缺陷,最后构建描述指标对典型日负荷曲线进行标签定义。实验采用美国电力负荷数据进行仿真模拟,实验结果显示本方法在用户负荷数据聚类处理上效果显著。 展开更多

关键词 负荷聚类 降噪自编码器 粗糙模糊k-means聚类 类簇规模不均衡度量 精准特征提取

下载PDF 职称材料