一種魯棒的特征權重自調節軟子空間聚類算法
大小：0.72 MB 人氣： 2018-01-15 需要積分：2
針對已有的特征權重自調節軟子空間（ SC-FWSA）聚類算法存在對噪聲敏感的問題，基于一種非歐氏距離，提出一種魯棒的特征權重自調節軟子空間（ RSC-FWSA）聚類算法。RSC-FWSA在迭代過程中自適應地為數據生成一個權函數，通過計算每一類數據的加權平均來計算聚類中心，這種“加權平均”使得聚類中心的估計對噪聲相對不敏感，從而可以提升算法對帶噪聲數據和復雜結構數據的聚類精度。人工數據和真實數據上的對比性實驗，驗證了RSC-FWSA算法的有效性。特別是人工帶噪聲數據和3個真實數據：Wine，Zoo以及Breastcancer上的實驗結果表明，RSC-FWSA可以顯著提升原對應算法的聚類精度。RSC-FWSA具有的強魯棒性使得該算法適用于高維帶噪聲和復雜結構數據的聚類問題。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%