-
题名面向稀疏高维大数据的扩展增量模糊聚类算法
被引量：19
- 1
-
-
作者
钱雪忠
姚琳燕
-
机构
江南大学物联网工程学院物联网技术应用教育部工程研究中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第6期75-81,88,共8页
-
基金
国家自然科学基金(61673193)
中央高校基本科研业务费专项资金(JUSRP51510,JUSRP51635B)
-
文摘
模糊C均值(FCM)聚类算法对初始中心点敏感,不考虑类别间中心点的相互影响,且仅能处理低维数据。为此,设计一种改进的初始中心点选择方法,并基于条件模糊聚类思想,将传统FCM算法中的欧氏距离替换为余弦距离后提出wHFCLM算法。将该算法与扩展增量聚类算法spFCM、oFCM和rseFCM相结合,得到对应的扩展增量模糊聚类算法spHF(c+l)M、oHF(c+l)M以及rseHF(c+l)M。实验结果表明,与spFCM算法、oFCM算法和rseFCM算法相比,扩展增量模糊聚类算法对初始中心点的选择敏感性较低,能较好地处理大规模稀疏高维数据集,且在合适的分块大小下具有更优的聚类性能。
-
关键词
扩展聚类算法
条件聚类
稀疏高维大数据
模糊聚类
初始中心点
-
Keywords
extended clustering algorithm
conditional clustering
sparse high-dimensional big data
fuzzy clustering
initial center
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
