文献类型：期刊文章

作　　者：刘开第[1] 刘昕[2] 赵奇[1] 周少玲[1]

机构地区：[1]河北工程大学不确定性数学研究所,邯郸056038 [2]中国矿业大学北京化环学院,北京100083

出　　处：《自动化学报》

基　　金：国家自然科学基金(60474019);河北省自然科学基金(F2005000482)资助~~

年　　份：2009

卷　　号：35

期　　号：5

起止页码：526-531

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了充分挖掘隐藏在样本向量中的空间信息和知识信息:用聚类点代替类均值,把提取指标对聚类所做贡献的量化值定义为指标分类权;用分类权定义样本点与聚类点的加权距离,使之作为样本与类之间的相似性度量更具合理性,即将加权距离转化为样本隶属度.为了消除序贯算法产生的随机性,用样本的K类隶属度作为点质量的样本质点组的质心,修正当前的K类聚类点,由此建立基于分类权和质心驱动的搜索聚类点的迭代算法.IRIS数据检验结果表明,新算法的聚类效果与稳定性都优于已有的无监督学习方法.

关 键 词：无监督数据  聚类点聚类  分类权  加权距离 质心

分 类 号：TP182]