一种基于马氏距离的半监督模糊聚类方法及其应用.pdf.pdfVIP

第 51卷 第 3期 厦门大学学报 (自然科学版) - VoI．51 No．3 2012年 5月 JournalofXiamenUniversity(NaturalScience) M ay2012 一 种基于马氏距离的半监督模糊聚类方法及其应用 施伟民，杨昔阳，李志伟 (泉州师范学院数学与计算机科学学院，福建 泉州 362000) 摘要 ：定义了一种新的基于马氏距离的半监督模糊聚类算法，并推导出它的迭代公式．该算法能够提高聚类算法的运 行效率．在人工数据集和真实数据集上的实验结果验证 了这种方法 的有效性．提取 了黄瓜 叶片 7个色调特征，Fisher降 维之后进行半监督聚类分析．对于已标识类别属性的叶片，聚类结果与已知属性的一致率达 1[)() ，而对于未标识数据 ， 一 致率也达到 96 以上． 关键词 ：马氏距离；半监督；模糊聚类 中图分类号 ：O231 文献标志码：A 文章编号2012)03—031l05 半监督模糊聚类的主要任务是对多维数据进行聚 类的研究．我们计算 了黄瓜叶片的色调统计量信息 ，结 类．和经典的聚类方法不同的是 ，数据集中的每个样本 合线性判别分析和本文提出的半监督聚类方法进行判 依据不同的程度属于多个类别，而且有一部分数据的 别 ，得到了较好的分类结果． 分类情况是已知的．半监督 聚类利用这些 已标识样本 的分类信息和未标示样本 的数据结构进行聚类 ，日益 半监督模糊聚类方法 成为一种重要的知识学习和数据挖掘方法． 半监督聚类首先 由Pedrycz提 出，它是经典 的模 我们要处理的是一类 m维点集 X==={ }，(k一1， 糊 C均值聚类的推广l1]．后来许多学者发展 了这种半 2，…，N)，其中每个样本点 一 ( ，。，… ， )以一 监督聚类 的思想 ，提 出了新的 目标 函数 ]，但或 多或 定的隶属度 “分属于第 i个类别 ，i一1，2，… C { ) 少都存在着运算量大、解释不合理等缺点．为此本文 中某些样本点分类情 况 “是 已知 的(称 为 已标号)． 定义了一种新的半聚类模糊 聚类算法的 目标 函数 ，并 半监督聚类结果便是让所有的 “一方面尽可能地体 推导出了它的迭代公式．从 目标函数和迭代 函数可以 现出整体数据集的数据结构 ，另一方面尽可能与 已标 看 出，这种新的半监督聚类具有更简洁的运算和更合 号的样本的隶属度吻合． 理 的解释．我们采用 了马氏距 离，使算法能够处理更 1．1 半监督模糊聚类 加一般的椭 圆形数据 ． Pedrycz推广 了模糊 C均值聚类算法 ，提出如下 为了检验这种方法 的有效性 ，我们分别在人工数 的优化 目标_l： 据集和实际数据集上进行试验分析．在处理人工数据 r N ( N 集上，本文提出的新 的聚类方法 的聚类效果优 于模糊 Q(u，)一∑∑ “2n2+ ∑∑(一 l一 1 一 1 i一 1 女一 1 C均值聚类和经典的半监督模糊聚类．通过调查采样 fb) ， (1) 收集了67张黄瓜叶片作为实际的数据集．关于黄瓜的 使 Q达到最