适合大规模数据集的增量式模糊聚类算法.PDFVIP

第 １１卷第２期　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１１№．２ ２０１６年４月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 　 Ａｐｒ． ２０１６ ＤＯＩ：１０．１１９９２／ ｔｉｓ．２０１５０７０１３ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ１２３９．０１４．ｈｔｍｌ 适合大规模数据集的增量式模糊聚类算法 李滔，王士同 （江南大学数字媒体学院，江苏无锡 ２１４１２２） 摘　 要：ＦＣＰＭ算法已被成功地应用到模糊系统建模上，但其在某一类的聚类中心已知的大规模数据上的聚类性能 较差。 为了避免这个缺点，参照单程模糊ｃ均值（ＳＰＦＣＭ）聚类算法、在线模糊ｃ均值（ＯＦＣＭ）聚类算法，提出了适合 ＋ ＋ 大规模数据集的增量式模糊聚类算法（Ｉｎｃｒｅｍｅｎｔａｌ ｆｕｚｚｙ （ｃ ｐ）⁃ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ ，ＩＦＣＭ（ｃ ｐ））。 通过在每个数据块 中使用ＦＣＰＭ算法进行聚类，把每个数据块的聚类中心及其附近的一些样本点加入到下一个数据块参与聚类，同时 ＋ 添加平衡因子以提高算法聚类性能。 同ＳＰＦＣＭ、ＯＦＣＭ 以及ｒｓｅＦＣＭ算法相比，ＩＦＣＭ（ｃ ｐ）对初始聚类中心不敏感。 ＋ 实验表明在没有花费很多运行时间的情况下，ＩＦＣＭ（ｃ ｐ）算法的聚类性能比ＳＰＦＣＭ算法和ｒｓｅＦＣＭ算法更具优势， 因此该算法更适合处理某一类聚类中心已知的大规模数据集。 ＋ 关键词：增量式模糊聚类；ＦＣＰＭ；ＩＦＣＭ（ｃ ｐ）；平衡因子；大规模数据集 中图分类号：ＴＰ３９１．４　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１６）０２⁃０１８８⁃１２ 中文引用格式：李滔，王士同． 适合大规模数据集的增量式模糊聚类算法［Ｊ］． 智能系统学报，２０１６，１１（２）：１８８⁃１９９． ＋ 英文引用格式：ＬＩ Ｔａｏ，ＷＡＮＧＳｈｉｔｏｎｇ．Ｉｎｃｒｅｍｅｎｔａｌｆｕｚｚｙ （ｃ ｐ）⁃ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇｆｏｒｌａｒｇｅｄａｔａ［Ｊ］． ＣＡＡＩｔｒａｎｓａｃｔｉｏｎｓｏｎｉｎｔｅｌｌｉ⁃ ｇｅｎｔ ｓｙｓｔｅｍｓ，２０１６，１１（２）：１８８⁃１９９． ＋ Ｉｎｃｒｅｍｅｎｔａｌ ｆｕｚｚｙ （ｃ ｐ）⁃ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ ｆｏｒ ｌａｒｇｅ ｄａｔａ ＬＩ Ｔａｏ，ＷＡＮＧ Ｓｈｉｔｏｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｄｉｇｉｔａｌ Ｍｅｄｉａ，Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ ２１４１２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＦＣＰＭ ｈａｓ ｂｅｅｎ ｄｅｍｏｎｓｔｒａｔｅｄ ｔｏ ｂｅ ｓｕｃｃｅｓｓｆｕｌ ｉｎ ｆｕｚｚｙ ｓｙｓｔｅｍ ｍｏｄｅｌｉｎｇ，ｈｏｗｅｖｅｒ，ｉｔ ｗｉｌｌ ｂｅ ｉｎｅｆｆｅｃｔｉｖｅ ｆｏｒ ｌａｒｇｅ ｄａｔａ ｃｌｕｓｔｅｒｉｎｇ ｔａｓｋｓｗｈｅｒｅ ｔｈｅ ｃｌｕｓｔｅｒ ｃｅｎｔｅｒｓ ｏｆ ｏｎｅ ｃｌａｓｓ ａｒｅ ｋｎｏｗｎ． Ｉｎ ｏｒｄｅｒ ｔｏ ｃｉｒｃｕｍｖｅｎｔ ｔｈｉｓ ｄｒａｗ⁃ ｂａｃｋ