原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 32 卷第 6 期 电 子 与 信 息 学 报 Vol.32No.6
2010 年 6 月 Journal of Electronics Information Technology Jun. 2010
基于数据加权策略的模糊聚类改进算法
唐成龙 王石刚 徐 威
(上海交通大学机电设计与知识工程研究所 上海 200240)
摘 要：该文提出了一种数据指数加权的模糊均值聚类策略，引入了指数权因子和影响指数，使得可以在聚类过程
中差异化处理各个数据。新策略和现有的 Gustafson-Kessel(G-K)算法相结合，提出了一种新的模糊聚类算法
DWG-K 用于提高聚类质量和挖掘离群点。数据试验表明 DWG-K 在提高聚类质量方面优于现有的 G-K；在离群
点挖掘方面，DWG-K 对离群点的判定是全局的，离群点的物理意义清楚，且计算效率明显高于当前广泛采用的基
于密度的离群点挖掘算法。
关键词：模糊聚类；数据加权策略；数据加权 G-K；离群点挖掘
中图分类号：TP18 文献标识码： A 文章编号：1009-5896(2010)06-1277-07
DOI: 10.3724/SP.J.1146.2009.00857
Improved Fuzzy Clustering Algorithm Based
on Data Weighted Approach
Tang Cheng-long Wang Shi-gang Xu Wei
(Institute of Mechanical-Electrical Design and Knowledge Engineering,
Shanghai Jiao Tong University, Shanghai 200240, China)
Abstract: A new data exponent weighted fuzzy clustering approach is proposed by introducing a set of exponent weighting
factors and influence exponent, the new approach makes it possible to treat the data points discriminatively. The new
approach is combined with the existing Gustafson-Kessel (G-K) algorithm and a new algorithm, DWG-K is presented.
Numerical experiments show that the DWG-K is better than G-K in improving the quality of clustering, and in the outliers
mining, DWG-K detects the outliers with the global view and the physical meaning of outliers is clearer, and moreover, the
computational efficiency is significantly higher than the current widely used density-based method.
Key words: Fuzzy clustering; Data weighted approach; Data weighted G-K; Outliers mining
1 引言
文档评论（0）