一种基于神经网络的广义熵模糊聚类算法
2016-11-17李凯,曹喆
电子学报 2016年8期
李 凯,曹 喆
(河北大学计算机科学与技术学院,河北保定,071000)
一种基于神经网络的广义熵模糊聚类算法
李 凯,曹 喆
(河北大学计算机科学与技术学院,河北保定,071000)
以模糊聚类为基础,将广义熵引入到模糊聚类的目标函数中,提出一种基于模糊熵的模糊聚类的统一形式,即广义熵模糊聚类模型;利用增广拉格朗日求解方法,以及Hopfield神经网络和复突触神经网络解决了基于广义熵的目标函数的优化问题,提出了基于神经网络的广义熵模糊聚类算法,表明了使用神经网络求解的收敛性;同时,给出一种用于确定增广拉格朗日乘子的迭代方法.实验中选取人工生成数据集和UCI标准数据集对提出的算法进行了实验研究,并与常用的聚类算法进行了性能比较.
模糊聚类;广义熵;增广拉格朗日方法;神经网络
电子学报URL:http://www.ejournal.org.cn DOI:10.3969/j.issn.0372-2112.2016.08.016
1 引言

为了克服FCM对噪声的影响,一些学者将模糊熵引入到目标函数J1(U,V) 中,提出了基于熵的聚类算法[7~11];另外,一些学者基于目标函数J2(U,V),通过加入调整项,提出了竞争凝聚算法CA,以此解决聚类数的自动确定问题[12],之后,学者们在CA聚类算法的基础上,将约束条件或样本间的度量引入到J2(U,V)中,提出了半监督聚类算法[13-14];最近,Maraziotis[15]通过对约束进行量化,并将其引入到J2(U,V),提出了一种半监督模糊聚类算法.可以看到,以上介绍的聚类算法,学者们主要采用Jm(U,V)的特殊形式J1(U,V)或J2(U,V),通过引入调整项,并借助拉格朗日方法,获得相应的模糊聚类算法.为了研究一般情形……
登录APP查看全文
