基于最小平方和残差的高阶模糊联合聚类算法

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于最小平方和残差的高阶模糊联合聚类算法

黄少滨, 杨欣欣

文章导航 > 武汉大学学报 ( 信息科学版) > 2015 > 40(2): 238-242

黄少滨, 杨欣欣. 基于最小平方和残差的高阶模糊联合聚类算法[J]. 武汉大学学报 ( 信息科学版), 2015, 40(2): 238-242.

引用本文:

黄少滨, 杨欣欣. 基于最小平方和残差的高阶模糊联合聚类算法[J]. 武汉大学学报 ( 信息科学版), 2015, 40(2): 238-242.

Huang Shaobin, Yang Xinxin. A Minimum Sum-squared Residue for High-order Fuzzy Co-clustering Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 238-242.

Citation:

Huang Shaobin, Yang Xinxin. A Minimum Sum-squared Residue for High-order Fuzzy Co-clustering Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 238-242.

基于最小平方和残差的高阶模糊联合聚类算法

黄少滨¹,
杨欣欣¹

¹哈尔滨工程大学计算机科与技术学院黑龙江哈尔滨 150001

基金项目: 国家自然科学基金资助项目71272216 60903080 博士后科学基金资助项目2012M5100480 国家科技支撑计划资助项目2009BAH42B02 2012BAH08B02中央高校基本科研业务费专项基金资助项目HEUCFZ1212 HEUCF100603

作者简介:
黄少滨教授博士现从事数据挖掘、复杂网络和社会网络方面的研究

中图分类号: P207 TP181

A Minimum Sum-squared Residue for High-order Fuzzy Co-clustering Algorithm

Huang Shaobin¹,
Yang Xinxin¹

¹College of Computer Science & Technology Harbin Engineering University Harbin 150001 China

摘要: 目前,多数高阶联合聚类算法属于硬划分方法,不考虑聚簇重叠问题。为了更有效地分析具有重叠聚簇结构的数据,提出了一种基于最小平方和残差的高阶模糊联合聚类算法(MSR-HFCC),该算法将聚类问题转化为最小化模糊平方和残差的优化问题,推导出求解优化问题的隶属度迭代更新公式,设计出聚类过程的迭代算法。实验结果表明,MSR-HFCC算法聚类效果优于目前已有的5种硬划分高阶联合聚类算法。
- 高阶异构数据 /
- 联合聚类 /
- 模糊聚类 /
- 平方和残差
Abstract: Most existing high-order co-clustering algorithms focus on hard clustering methods，which ignore the problem of overlaps in the clustering structures. In order to analyze the clustering results of data with overlapping clusters more efficiently，we developed a minimum sum-squared residue for high-order fuzzy co-clustering algorithm(MSR-HFCC).The clustering problem is formulated as the problem of minimizing fuzzy sum-squared residue.The update rules for fuzzy memberships were derived，and an iterative algorithm was designed for a co-clustering process.Finally，experimental recults show that the qualities of clustering results of MSR-HFCC are superior to five existing algorithms.
- high-order heterogeneous data /
- co-clustering /
- fuzzy clustering /
- sum-squared residue

[1]	崔晓杰, 王家耀, 巩现勇, 赵耀. 利用模糊密度聚类和双向缓冲区自动识别热点区 . 武汉大学学报 ( 信息科学版), 2019, 44(1): 84-91. doi: 10.13203/j.whugis20180358
[2]	李延, 王大魁, 耿晶, 王树良. 数据质量聚类算法 . 武汉大学学报 ( 信息科学版), 2019, 44(1): 153-158. doi: 10.13203/j.whugis20150760
[3]	鲍蕊, 薛朝辉, 张像源, 苏红军, 杜培军. 综合聚类和上下文特征的高光谱影像分类 . 武汉大学学报 ( 信息科学版), 2017, 42(7): 890-896. doi: 10.13203/j.whugis20150043
[4]	万幼, 周脚根, 翁敏. 点集数据不规则形状时空异常聚类模式挖掘研究 . 武汉大学学报 ( 信息科学版), 2017, 42(7): 924-930. doi: 10.13203/j.whugis20150069
[5]	廖力, 周雪芹, 李清清, 陈璐, 周建中. 基于双重迭代聚类的模糊投影寻踪聚类算法 . 武汉大学学报 ( 信息科学版), 2016, 41(7): 932-938. doi: 10.13203/j.whugis20140152
[6]	丁玉琦, 邵振峰, 胡石元. 一种云模型和期望最大聚类的遥感影像分割算法 . 武汉大学学报 ( 信息科学版), 2015, 40(6): 721-726. doi: 10.13203/j.whugis20130483
[7]	孔令桥, 秦昆, 龙腾飞. 利用二型模糊聚类进行全球海表温度数据挖掘 . 武汉大学学报 ( 信息科学版), 2012, 37(2): 215-219.
[8]	焦利民, 洪晓峰, 刘耀林. 空间和属性双重约束下的自组织空间聚类研究 . 武汉大学学报 ( 信息科学版), 2011, 36(7): 862-866.
[9]	王海军, 邓羽, 王丽, 关兴良. 基于数据场的C均值聚类方法研究 . 武汉大学学报 ( 信息科学版), 2009, 34(5): 626-629.
[10]	刘小利, 朱国宾, 李清泉, 贾治革. 基于并行Tabu搜索和空间信息约束的遥感影像模糊聚类 . 武汉大学学报 ( 信息科学版), 2009, 34(5): 527-530.
[11]	张正禄, 汪宏晨, 邓勇, 谢年生. 滑坡变形分析与预报的新方法 . 武汉大学学报 ( 信息科学版), 2009, 34(12): 1387-1389.
[12]	刘朔, 武红敢, 温庆可. 基于遗传和蚁群组合算法优化的遥感图像分割 . 武汉大学学报 ( 信息科学版), 2009, 34(6): 679-683.
[13]	钟燕飞, 张良培, 李平湘. 遥感影像分类中的模糊聚类有效性研究 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 391-394.
[14]	胡春春, 孟令奎, 谢文君, 周新忠. 空间数据模糊聚类的有效性评价 . 武汉大学学报 ( 信息科学版), 2007, 32(8): 740-743.
[15]	闫利, 张毅. 基于法向量模糊聚类的道路面点云数据滤波 . 武汉大学学报 ( 信息科学版), 2007, 32(12): 1119-1122.
[16]	邢喆, 王泽民, 伍岳. 利用模糊聚类方法筛选GPS载波相位组合观测值 . 武汉大学学报 ( 信息科学版), 2006, 31(1): 23-26.
[17]	苗作华, 刘耀林, 王海军. 耕地需求量预测的加权模糊-马尔可夫链模型 . 武汉大学学报 ( 信息科学版), 2005, 30(4): 305-308.
[18]	潘励, 郑宏, 张祖勋, 张剑清. 集成高度和彩色纹理特征的影像目标模糊聚类识别方法 . 武汉大学学报 ( 信息科学版), 2004, 29(4): 311-314.
[19]	唐亮, 黄培之, 谢维信. 顾及数据空间分布特性的模糊C-均值聚类算法研究 . 武汉大学学报 ( 信息科学版), 2003, 28(4): 476-479.
[20]	朱杰, 张宏军, 廖湘琳, 徐有为. 一种融合多维关系的地理环境时空主题发现方法 . 武汉大学学报 ( 信息科学版), 0, 0(0): -. doi: 10.13203/j.whugis20210326

WeChat

点击查看大图

计量

文章访问数: 816
HTML全文浏览量: 54
PDF下载量: 480
被引次数: 0

基于最小平方和残差的高阶模糊联合聚类算法

黄少滨¹,
杨欣欣¹

¹哈尔滨工程大学计算机科与技术学院黑龙江哈尔滨 150001

基金项目: 国家自然科学基金资助项目71272216 60903080 博士后科学基金资助项目2012M5100480 国家科技支撑计划资助项目2009BAH42B02 2012BAH08B02中央高校基本科研业务费专项基金资助项目HEUCFZ1212 HEUCF100603

作者简介:
黄少滨教授博士现从事数据挖掘、复杂网络和社会网络方面的研究

收稿日期: 2013-04-24
刊出日期: 2015-02-05

中图分类号: P207 TP181

关键词:

高阶异构数据 /

平方和残差

摘要: 目前,多数高阶联合聚类算法属于硬划分方法,不考虑聚簇重叠问题。为了更有效地分析具有重叠聚簇结构的数据,提出了一种基于最小平方和残差的高阶模糊联合聚类算法(MSR-HFCC),该算法将聚类问题转化为最小化模糊平方和残差的优化问题,推导出求解优化问题的隶属度迭代更新公式,设计出聚类过程的迭代算法。实验结果表明,MSR-HFCC算法聚类效果优于目前已有的5种硬划分高阶联合聚类算法。

English Abstract

黄少滨, 杨欣欣. 基于最小平方和残差的高阶模糊联合聚类算法[J]. 武汉大学学报 ( 信息科学版), 2015, 40(2): 238-242.

引用本文:

黄少滨, 杨欣欣. 基于最小平方和残差的高阶模糊联合聚类算法[J]. 武汉大学学报 ( 信息科学版), 2015, 40(2): 238-242.

Huang Shaobin, Yang Xinxin. A Minimum Sum-squared Residue for High-order Fuzzy Co-clustering Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 238-242.

Citation:

Huang Shaobin, Yang Xinxin. A Minimum Sum-squared Residue for High-order Fuzzy Co-clustering Algorithm[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 238-242.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码