×

一种多测度组合的快速多目标模糊聚类方法。 (英语) Zbl 1435.62258号

摘要:现有的聚类算法大多基于欧几里德距离度量。然而,仅使用欧几里德距离度量可能不足以划分具有不同结构的数据集。因此,有必要将多个距离度量合并到聚类中。然而,不同距离度量的权重很难设置。因此,通过应用多目标优化技术,将多个距离度量分开并同时进行优化似乎很自然。最近,提出了一种新的聚类算法“基于组合多距离测度的多目标进化聚类”(MOECDM),将欧几里德距离测度和路径距离测度集成在一起,用于划分具有不同结构的数据集。然而,由于基因较大,这很耗时。本文提出了一种快速多目标模糊聚类算法,用于划分不同结构的数据集。该算法采用实数编码方案来表示个体。分别基于欧几里德测度和路径距离测度设计了两个模糊聚类目标函数来评价每个个体的优度。同时引入了一种改进的进化算子,提高了种群的收敛速度和多样性。在最后一代中,可以得到一组非支配解。采用半监督方法选择最佳解和最佳距离测度。然后,设计了一个更新的算法来自动检测最优聚类数。将所提出的算法应用于许多不同结构的数据集,并在实验中显示了8个人工数据集和6个真实数据集的结果。实验结果表明,该算法不仅可以成功地对不同结构的数据集进行划分,而且可以降低计算成本。

MSC公司:

62小时86 多元分析与模糊性
68吨10 模式识别、语音识别
62H30型 分类和区分;聚类分析(统计方面)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] A.杜库诺。;布雷托,A。;Rital,S。;Laget,B.,超图聚类的简化方法:图像分割的应用,模式识别,45,72788-2803(2012)·Zbl 1236.68273号 ·doi:10.1016/j.patcog.2012.01.05
[2] Xu,R。;Wunsch,D.,聚类算法综述,IEEE神经网络和学习系统汇刊,16,3,645-678(2005)·doi:10.1109/TNN.2005.845141
[3] 谢奇。;朱浩,基于多视图约束非负矩阵分解和高斯混合模型谱聚类方法的图像检索,工程数学问题,2016(2016)·Zbl 1400.62139号 ·doi:10.1155/2016/3271924
[4] 赫鲁什卡,E.R。;坎佩罗,R.J.G.B。;Freitas,A.A。;de Carvalho,A.C.P.L.F.,《集群进化算法的调查》,IEEE系统、人与控制论事务,第C部分:应用与评论,39,2,133-155(2009)·doi:10.1109/tsmcc.2008.2007252
[5] Patra,B.K。;南迪,S。;Viswanath,P.,大型数据集中任意形状簇的基于距离的聚类方法,模式识别,44,12,2862-2870(2011)·Zbl 1218.68151号 ·doi:10.1016/j.patcog.2011.04.027
[6] 金阴,C。;慧豪,H。;Jungan,C。;Shanqing,Y。;赵霞,S.,数值数据和分类数据的快速密度聚类算法,工程数学问题,2017(2017)·doi:10.1155/2017/6393652
[7] 亚伯拉罕。;达斯,S。;Konar,A.,使用改进的粒子群优化算法进行基于核的自动聚类,第九届年度遗传和进化计算会议论文集,GECCO 2007
[8] 达斯,S。;亚伯拉罕。;Konar,A.,《使用多粒子群优化算法的自动内核聚类》,《模式识别快报》,29,5,688-699(2008)·doi:10.1016/j.parec.2007.12.002
[9] 费舍尔,B。;Buhmann,J.M.,平滑曲线分组和纹理分割的基于路径的聚类,IEEE模式分析和机器智能汇刊,25,4,513-518(2003)
[10] 龚,M。;Jiao,L.,使用基于流形距离的进化聚类方法的图像纹理分类,光学工程,47,7077201(2008)·数字对象标识代码:10.1117/1.2955785
[11] Akbulut,Y。;Şengür,A。;郭毅。;Polat,K.,KNCM:核中子学c-均值聚类,应用软计算,52,714-724(2017)·doi:10.1016/j.asoc.2016.10.001
[12] 龚,M。;梁,Y。;史J。;Ma,W.P.,带局部信息和核度量的模糊C均值聚类用于图像分割,IEEE图像处理汇刊,22,2,573-584(2013)·Zbl 1373.94141号 ·doi:10.1109/TIP.2012.2219547
[13] De Carvalho,F.D.A.T。;Lechevallier,Y。;De Melo,F.M.,基于多个不同矩阵的划分硬聚类算法,模式识别,45,1,447-464(2012)·Zbl 1225.68228号 ·doi:10.1016/j.patcog.2011.05.016
[14] de Carvalho,F.d。;Lechevallier,Y。;de Melo,F.M.,基于多个不同矩阵的关系划分模糊聚类算法,模糊集与系统,2151-28(2013)·Zbl 1286.68385号 ·doi:10.1016/j.fss.2012.09.011
[15] 黄J.Z。;Ng,M.K。;荣,H。;Li,Z.,k均值聚类中的自动变量加权,IEEE模式分析和机器智能汇刊,27,5,657-668(2005)·doi:10.1109/TPAMI.2005.95
[16] Wang,W。;Zhang,Y.,关于模糊聚类有效性指标,模糊集与系统,158,19,2095-2117(2007)·Zbl 1123.62046号 ·doi:10.1016/j.fss.2007.03.004
[17] 谢晓乐。;Beni,G.,模糊聚类的有效性度量,IEEE模式分析和机器智能汇刊,13,8,841-847(1991)·数字对象标识代码:10.1109/34.85677
[18] 贾利克,K.R。;ƀalik,B.,不同大小和密度的簇的有效性指数,模式识别字母,32,2,221-234(2011)·doi:10.1016/j.patrec.2010.08.007
[19] 刘,C。;周,A。;Zhang,G.,基于进化优化的自动聚类方法,IET Computer Vision,7,4,258-271(2013)·doi:10.1049/iet-cvi.2012.0187
[20] Tibshirani,R。;Walther,G。;Hastie,T.,通过缺口统计估算数据集中的簇数,《皇家统计学会期刊B:统计方法》,63,2,411-423(2001)·Zbl 0979.62046号 ·数字对象标识代码:10.1111/1467-9868.00293
[21] 弗雷,B.J。;Dueck,D.,通过在数据点之间传递消息进行聚类,《科学》,3155814972-976(2007)·Zbl 1226.94027号 ·doi:10.1126/science.1136800
[22] 邱,T。;方,D。;陈,J。;Wang,Y。;Jeris,C.,大型数据库环境中混合类型属性的健壮且可扩展的聚类算法,第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集(KDD-2001)
[23] 萨尔瓦多,S。;Chan,P.,《确定分层聚类/分段算法中的簇/段数量》,第16届IEEE人工智能工具国际会议论文集(ICTAI’04)·doi:10.1109/ICTAI.2004.50
[24] Mok,P.Y。;黄海清。;郭永乐(Kwok,Y.L.)。;Au,J.S.,用于自动识别聚类的鲁棒自适应聚类分析方法,模式识别,45,8,3017-3033(2012)·doi:10.1016/j.patcog.2012.02.003
[25] Bandyopadhyay,S。;Maulik,U.,聚类自动进化的遗传聚类及其在图像分类中的应用,模式识别,35,6,1197-1208(2002)·Zbl 1001.68926号 ·doi:10.1016/S0031-3203(01)00108-X
[26] Maulik,美国。;Saha,I.,使用改进的差分进化进行图像分类的自动模糊聚类,IEEE地球科学和遥感汇刊,48,9,3503-3510(2010)·文件编号:10.1109/TGRS.2010.2047020
[27] Hancer,E。;Karaboga,D.,为确定簇数而提出的传统、合并-分裂和进化方法的综合调查,Swarm and Evolutional Computation,32,49-67(2017)·doi:10.1016/j.swevo.2016.06.004
[28] Handl,J。;Knowles,J.,《多目标聚类的进化方法》,IEEE进化计算汇刊,11,1,56-76(2007)·doi:10.1109/TEVC.2006.877146
[29] 科恩·D·W。;Jerram,N.R。;Knowles,J.D。;Oates,M.J.,Pesa-ii:进化多目标中基于区域的选择,遗传和进化计算会议论文集
[30] Prakash,J。;Singh,P.K.,《硬分区聚类的有效多目标方法》,Memetic Computing,7,2,93-104(2015)·doi:10.1007/s12293-014-0147-5
[31] 萨哈,I。;Maulik,美国。;Plewczynski,D.,差分模糊聚类的新多目标技术,应用软计算,11,2,2765-2776(2011)·doi:10.1016/j.asoc.2010.11.007
[32] 赵,F。;刘,H。;Fan,J.,用于图像分割的多目标空间模糊聚类算法,应用软计算,30,48-57(2015)·doi:10.1016/j.asoc.2015.01.039
[33] 夏,H。;庄,J。;Yu,D.,高维数据的新型软子空间聚类与多目标进化方法,模式识别,46,9,2562-2575(2013)·Zbl 1323.68449号 ·doi:10.1016/j.patcog.2013.02.005
[34] 刘,C。;刘杰。;彭,D。;Wu,C.,基于多距离测度的通用多目标聚类方法,IEEE Access,641706-41719(2018)·doi:10.10109/ACCESS.2018.2860791文件
[35] Bezdek,J.C.,模糊目标函数算法的模式识别,模式识别的高级应用,22,1171,203-239(1981)·Zbl 0503.68069号
[36] 张,Q。;周,A。;Jin,Y.,RM-MEDA:基于正则模型的分布算法多目标估计,IEEE进化计算汇刊,12,1,41-63(2008)
[37] 梅,J.-P。;Chen,L.,关系数据的加权中值模糊聚类,模式识别,43,5,1964-1974(2010)·Zbl 1191.68593号 ·doi:10.1016/j.patcog.2009.12.007文件
[38] Deb,K。;普拉塔普,A。;阿加瓦尔,S。;Meyarivan,T.,一种快速且精英的多目标遗传算法:NSGA-II,IEEE进化计算汇刊,6,2182-197(2002)·数字对象标识代码:10.1109/4235.996017
[39] 萨哈,S。;Bandyopadhyay,S.,多目标框架中的广义自动聚类算法,应用软计算,13,1,89-108(2013)·doi:10.1016/j.asoc.2012.08.005
[40] 梅内德斯,H.D。;巴雷罗,D.F。;Camacho,D.,一种具有内存优化的多目标遗传图聚类算法,2013年IEEE进化计算大会论文集,CEC 2013
[41] Bello-Orgaz,G。;梅内德斯,H.D。;Camacho,D.,重叠图聚类的自适应k-means算法,《国际神经系统杂志》,22,05,133-297(2012)
[42] 北卡罗来纳州帕尔。;Bezdek,J.C.,关于模糊C-均值模型的聚类有效性,IEEE模糊系统汇刊,3,3,370-379(1995)·数字对象标识代码:10.1109/91.413225
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。