标签分布熵正则的模糊C均值平衡聚类方法
CSTR:
作者:
作者单位:

1. 湖州师范学院 信息工程学院,浙江 湖州 313000;2. 浙江省现代农业资源智慧管理与应用研究重点实验室,浙江 湖州 313000

作者简介:

通讯作者:

E-mail: huwenjun@zjhu.edu.cn.

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61772198,U20A20228).


Label distribution entropy regularized fuzzy C-means algorithm for balanced clustering
Author:
Affiliation:

1. School of Information Engineering,Huzhou University,Huzhou 313000,China;2. Zhejiang Province Key Laboratory of Smart Management & Application of Modern Agricultural Resources,Huzhou 313000,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:

    许多应用场景要求每个类别的数量相对平衡,而传统模糊C均值(FCM)聚类算法无法实现此功能.为此,利用标签信息构造标签分布熵评价聚类的平衡度,然后将标签分布熵、模糊隶属度矩阵与标签矩阵之间的平方损失同时引入到传统FCM中,进而提出一种标签分布熵正则的模糊C均值平衡聚类方法(FCM$_LDE$).同时,利用迭代方法和增广拉格朗日乘数法设计该模型的优化算法.最后,利用6个真实数据集进行聚类实验,结果表明,所提方法在聚类性能和平衡性能上均具有很好的优势.

    Abstract:

    Many application scenarios require that the number of each category is relatively balanced, and the traditional fuzzy C-means (FCM) clustering algorithm cannot achieve this function. For this reason, we first design a label distribution entropy by using the label information , which can evaluate the balance degree of clustering. Then, the label distribution entropy and the square loss between the fuzzy membership matrix and the label matrix are simultaneously introduced into the traditional FCM, and then a fuzzy C-means balanced clustering method based on the regular label distribution entropy (${\textFC

    参考文献
    相似文献
    引证文献
引用本文

王哲昀,胡文军,徐剑豪,等.标签分布熵正则的模糊C均值平衡聚类方法[J].控制与决策,2022,37(9):2274-2280

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:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-07-30
  • 出版日期: 2022-09-20
文章二维码