%0 Journal Article
%T 基于特征加权距离的双指数模糊子空间聚类算法
%A 王骏
%A 王士同
%A 王晓明
%J 控制与决策
%P 1207-1210
%D 2010
%X 传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.
%K 模糊聚类
%K 特征加权距离
%K 全局收敛性
%K 非平衡数据集
%U http://www.kzyjc.net:8080/CN/abstract/abstract9999.shtml