计算机工程

作者：钱雪忠,姚琳燕

单位：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,江苏 无锡 214122

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

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)。

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。

来源：2019年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第6期