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30 卷第8 期 电 子 与 信 息 学 报 Vol.30No.8
2008 年8 月 Journal of Electronics Information Technology Aug..2008
K 平面聚类算法的模糊改进及其鲁棒性研究
朱 林 王士同 潘永惠 韩 斌
(江南大学信息工程学院 无锡 214122)
摘 要：该文针对K 平面聚类算法KPC (K-Plane Clustering)对噪声点敏感的缺陷，通过引入隶属度约束函数，推
导出鲁棒的改进分割 K 平面聚类算法 IFP-KPC(Improved Fuzzy Partitions for K-Plane Clustering)，并利用
Voronoi 距离对IFP-KPC 算法的鲁棒性进行了合理解释。实验结果表明IFP-KPC 算法较之于KPC 算法具有更好
的聚类效果。
关键词：K 平面聚类；改进模糊分割；Voronoi 距离；鲁棒性
中图分类号：TP391.4 文献标识码：A 文章编号：1009-5896(2008)08-1923-05
Improved Fuzzy Partitions for K-Plane Clustering Algorithm
and Its Robustness Research
Zhu Lin Wang Shi-tong Pan Yong-hui Han Bin
(School of Information Engineering, Southern Yangtze University, Wuxi 214122, China)
Abstract: A new robust Improved Fuzzy Partitions for K-Plane Clustering (IFP-KPC) algorithm is proposed. The
proposed algorithm can reduce the sensitivity of the k-plane clustering algorithm to noises in real datasets. Also the
distances to the Voronoi cell are used to give a reasonable explanation for the robustness of IFP-KPC.
Experimental results demonstrate the effectiveness of IFP-KPC.
Key words: K-plane clustering; Improved fuzzy partitions; Voronoi distance; Robustness
1 引言 2 K 平面聚类算法(KPC)
聚类分析是无监督模式识别中一种重要的方法，已广泛
KPC 算法用c 个超平面替代传统c 均值聚类算法中的
应用于数据挖掘、图像处理、计算机视觉、生物信息和文本
中心点作为聚类原型，KPC 算法的目标是找到一组超平面
分析。聚类算法就是将分布未知的数据
文档评论（0）