首页|模糊c-harmonic均值算法在不平衡数据上改进

模糊c-harmonic均值算法在不平衡数据上改进

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对模糊c-harmonic均值算法(FCHM)在不平衡数据集上的聚类效果不理想的问题,提出了一种基于聚类体量约束的模糊c-harmonic均值算法.首先,利用隶属度矩阵定义各个类的体量,用于约束FCHM算法的代价函数,从而构建一个新的代价函数;然后,将该代价函数最小化,得到新的隶属度矩阵和聚类中心的计算公式;最后,在UCI数据集、模拟不平衡数据集及真实机床振动检测不平衡数据集上分别进行实验.实验结果表明,与同类算法相比,本文算法在保持传统算法全局最优性能的同时,在不平衡数据集上也能得到理想的聚类效果.
Improvement of fuzzy c-harmonic mean algorithm on unbalanced data

刘富、梁艺馨、侯涛、宋阳、康冰、刘云

展开 >

吉林大学 汽车仿真与控制国家重点实验室,长春 130022

吉林大学 通信工程学院,长春 130022

人工智能 聚类 模糊c-harmonic均值算法 全局最优 不平衡数据

51835006,6150315120160520100JH2019M651204

2021

10.13229/j.cnki.jdxbgxb20190963

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 2
  • 3