堆叠隐空间模糊C 均值聚类算法
CSTR:
作者:
作者单位:

江南大学数字媒体学院,江苏无锡214122.

作者简介:

刘欢

通讯作者:

中图分类号:

TP181

基金项目:

国家自然科学基金项目(61300151);江苏省自然科学基金项目(BK20130155);江苏省高校自然科学研究项目(13KJB520001).


Cascaded hidden space fuzzy C means clustering algorithm
Author:
Affiliation:

School of Digital Media,Jiangnan University,Wuxi 214122,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于极限学习机理论, 将主成分分析技术与ELM特征映射相结合, 提出一种基于主成分分析的压缩隐空间构建新方法. 结合多层神经网络学习方法对隐空间进行多层融合, 进一步提出了堆叠隐空间模糊C 均值聚类算法,从而提高对非线性数据的学习能力. 实验结果表明, 所提出算法在处理复杂非线性数据时更加高效、稳定, 同时克服了模糊聚类算法对模糊指数的敏感性问题.

    Abstract:

    In view of the good properties of the extreme learning machine(ELM) feature mapping, a novel technique of constructing to condensed hidden feature space is proposed by combining principal component analysis(PCA) with ELM feature mapping. The cascaded hidden space fuzzy C means clustering algorithm is proposed to improve the learning ability of the non-linear data. Experimental results show that the proposed algorithm is not only efficient and robust for high-dimension data, but also insensitive to the fuzzy index of fuzzy clustering algorithms.

    参考文献
    相似文献
    引证文献
引用本文

王骏 刘欢 蒋亦樟 邓赵红 王士同.堆叠隐空间模糊C 均值聚类算法[J].控制与决策,2016,31(9):1671-1677

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-06-16
  • 最后修改日期:2016-01-18
  • 录用日期:
  • 在线发布日期: 2016-09-20
  • 出版日期:
文章二维码