改进的基于熵的中心聚类算法

doi:10.3969/j.issn.1006-2475.2014.03.013

计算机与现代化

改进的基于熵的中心聚类算法

山东理工大学计算机系，山东淄博255049

收稿日期:2013-11-05 出版日期:2014-03-24 发布日期:2014-03-31
作者简介:张树森（1988-），男，山东东平人，山东理工大学计算机系硕士研究生，研究方向：数据挖掘算法；通讯作者:张龙波(1968-)，男,教授，博士，研究方向:数据库理论与技术。
基金资助:
山东省自然科学基金资助项目（ZR2011FL013）; 山东省高等学校科技计划项目（J13LN27）

Improved Entropy-based Centre Clustering Algorithm

Department of Computer Science, Shandong University of Science and Technology, Zibo 255049， China

Received:2013-11-05 Online:2014-03-24 Published:2014-03-31

摘要/Abstract

摘要： 依据基于熵的模糊聚类算法（EFC），提出一种改进的基于熵的中心聚类算法，即通过EFC算法得到差异性十分明显的原始数据集的簇心，以这些簇心为中心再次进行聚类分析，通过各点到各中心的距离将各点重新分配到以各中心所代表的集合中。改进的算法不仅可以得到具有紧凑且差异明显的聚类结果，还可以使准确率得到有效提高。实验结果表明，该改进的算法能够实现数据集的有效聚类，相比于EFC算法的聚类结果准确率更高。

关键词: 聚类分析, EFC算法, 簇心

Abstract: This article is based on entropy-based fuzzy clustering algorithm (EFC), proposes an improved entropy-based centre clustering algorithm, namely the very obvious differences clusters heart in the original data is obtained through EFC algorithm and these clusters heart to be heart-centered cluster is analyzed again, each point is re-assigned to the collection which the center represents through computing the distance between each point and center. This improved algorithm can not only get compact and significantly different clustering results, but also can effectively improve the accuracy rate. Experimental results show that the improved algorithm can realize data sets efficient clustering, with higher accuracy.

Key words: cluster analysis, EFC algorithm, cluster center

中图分类号:

TP301.6

张树森，张龙波，陈亚丽，安建瑞，李彩虹. 改进的基于熵的中心聚类算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.03.013.

ZHANG Shu-sen, ZHANG Long-bo, CHEN Ya-li, AN Jian-rui, LI Cai-hong. Improved Entropy-based Centre Clustering Algorithm[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.03.013.

参考文献

参考文献：
［1］孙吉贵,刘杰,赵连宇. 聚类算法研究［J］．软件学报, 2008,19(1)：48-61.
［2］Yao J, Dash M, Tan S T, et al. Entropybased fuzzy clustering and fuzzy modeling［J］. Fuzzy Sets and Systems, 2000,113(3):381-388.
［3］郑世明，苗壮，宋自林，等. WEKA环境下基于模糊理论的聚类算法［J］. 解放军理工大学学报：自然科学版， 2012，13(1)：22-26.
［4］Asha Gowda Karegowda, Vidya T, Shama, et al. Improving performance of Kmeans clustering by initializing cluster centers using genetic algorithm and entropy based fuzzy clustering for categorization of diabetic patients［J］ Advances in Intelligent Systems and Computing, 2012,174:899-904.
［5］孙茜雅. 基于最小熵聚类的社团检测算法［J］. 电子科技， 2012,25(3)：13-16,20.
［6］施浩琴，周德云，张堃. 基于改进KFCM聚类的数据关联算法［J］. 电光与控制， 2012，19(4)：13-17,58.
［7］Vidyut Dey, Dilip Kumar Pratihar， Datta G L. Genetic algorithmtuned entropybased fuzzy Cmeans algorithm for obtaining distinct and compact clusters［J］. Fuzzy Optim Decis Making, 2011，10:153-166.
［8］朱存，倪远平. EFCRBF神经网络算法研究与故障模式识别［J］. 云南大学学报:自然科学版， 2009，31(S2):182-186.
［9］李志华，顾言，陈孟涛，等. 异构数据的结构熵聚类算法［J］. 计算机科学， 2011,38(2)：171-174.
［10］刘志勇，耿新青. 基于模糊聚类的文本挖掘算法［J］. 计算机工程， 2009，35(5)：44-45,49.
［11］宫尚宝，郭玉翠. 基于遗传算法的模糊聚类分析［J］. 模糊系统与数学， 2010，24(6)：123-128.
［12］Maria Halkidi， Yannis Batistakis, Michialis Vazirgiannis. Clustering validity checking methods: Part II［J］. ACM SIGMOD Recod, 2002,31(3)：19-27.
［13］Calinski T, Harabasz J. A dendrite method for cluster analysis［J］. Communications in Statistics, 1974,3(1)：1-27.
［14］何宏，谭永红. 一种基于动态遗传算法的聚类新方法［J］. 电子学报， 2012,40(2)：254-259.

[1]	王秋忆, 周浩, 郑婷婷. 改进RetinaNet的电力设备目标检测方法[J]. 计算机与现代化, 2024, 0(01): 47-52.
[2]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[3]	孙子雨, 任燃, 魏曦哲. 基于DTW-TCN的股票分类及预测研究[J]. 计算机与现代化, 2023, 0(08): 31-37.
[4]	张子璇, 沙秀艳, 肖霏, 粟宝婵, 隋雨陆, 孟子宸. 基于犹豫模糊Canopy-K均值聚类算法的研究与应用[J]. 计算机与现代化, 2022, 0(11): 17-21.
[5]	李春生, 冯阳宵, 富宇, 张可佳, 吴润桐. 基于均值聚类的员工行为分析方法[J]. 计算机与现代化, 2022, 0(09): 19-24.
[6]	李舒, 张伟业, 汪坤, 段照斌. 基于聚类分析的航班油耗组合估计[J]. 计算机与现代化, 2022, 0(08): 65-69.
[7]	王杉文, 欧鸥, 马万民, 陈建林. 基于用户信息向量聚类和改进SAMME的推荐算法[J]. 计算机与现代化, 2021, 0(07): 23-28.
[8]	郝敏,刘航,李扬,简单,王俊影. 基于聚类分析与说话人识别的语音跟踪[J]. 计算机与现代化, 2020, 0(04): 7-.
[9]	李娜，毛国君，邓康立. 基于k-means聚类的股票KDJ类指标综合分析方法[J]. 计算机与现代化, 2018, 0(10): 12-.
[10]	赖琮霖,李力卡,张慧嫦. 多元分析算法在世界杯球队综合实力中的预测[J]. 计算机与现代化, 2018, 0(08): 92-.
[11]	赵会群,乔玉衡. 大数据复杂事件分析方法研究与应用[J]. 计算机与现代化, 2018, 0(08): 86-.
[12]	易未1,毛力1,孙俊1,吴林海2,3. 改进Smote算法在不平衡数据集上的分类研究[J]. 计算机与现代化, 2018, 0(03): 83-.
[13]	孙笑音，周围. 基于MOOC的大数据分析技术[J]. 计算机与现代化, 2017, 0(4): 89-93,108.
[14]	徐聪,黄文准,黄世奇. 基于自组织映射的遗传聚类算法[J]. 计算机与现代化, 2017, 0(4): 38-43.
[15]	陆东平,陈光喜. 基于行为一致性共谋群体识别及分类算法[J]. 计算机与现代化, 2014, 0(5): 6-9,13.

改进的基于熵的中心聚类算法

Improved Entropy-based Centre Clustering Algorithm

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价