模糊加权多视角可能性聚类算法-计算机应用与软件.PDF

第３４卷第４期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．４ ２０１７年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１７ 模糊加权多视角可能性聚类算法 王振辉　夏鸿斌 （江南大学数字媒体学院　江苏无锡２１４１２２） 摘　要　　受益于独有的可能性聚类特性，较之传统ＦＣＭ、ｋｍｅａｎｓ等基于类均值方法，ＰＣＭ拥有更佳的聚类效 果和抗噪性能。但ＰＣＭ为传统单视角聚类算法，其在面对新兴多视角聚类场景时，往往效果欠佳。为解决此问 题，基于ＰＣＭ，提出一种新型的称为模糊加权多视角可能性聚类ＷＣｏＰＣＭ算法。ＷＣｏＰＣＭ显著优点在于其具 备对各视角的自适应加权。有关ＵＣＩ数据集的实验结果表明该算法较传统聚类算法及多视角聚类算法更具抗干 扰性，有着更佳的聚类性能。 关键词　　可能性聚类　多视角聚类　模糊加权　抗干扰性 中图分类号　ＴＰ１８１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０４．０５０ ＭＵＬＴＩＶＩＥＷＰＯＳＳＩＢＩＬＩＴＹＣＬＵＳＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＵＳＩＮＧＦＵＺＺＹＷＥＩＧＨＴＩＮＧ ＷａｎｇＺｈｅｎｈｕｉ　ＸｉａＨｏｎｇｂｉｎ （ＳｃｈｏｏｌｏｆＤｉｇｉｔａｌＭｅｄｉａ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｂｅｎｅｆｉｔｉｎｇｆｒｏｍｔｈｅｄｅｌｉｃａｔｅｍｅｃｈａｎｉｓｍｏｆｐｏｓｓｉｂｉｌｉｔｙｃｌｕｓｔｅｒｉｎｇ，ＰＣＭａｐｐｅａｒｓｐｒｅｆｅｒａｂｌｅｐｅｒｆｏｒｍａｎｃｅ ｒｅｇａｒｄｉｎｇｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄａｎｔｉｎｏｉｓｅ，ａｇａｉｎｓｔｔｈｏｓｅｃｏｎｖｅｎｔｉｏｎａｌｍｅａｎｂａｓｅｄｍｅｔｈｏｄｓｓｕｃｈａｓＦＣＭａｎｄｋｍｅａｎ． Ｈｏｗｅｖｅｒ，ＰＣＭｓｔｉｌｌｂｅｌｏｎｇｓｔｏｔｈｅｔｒａｄｉｔｉｏｎａｌｓｉｎｇｌｅｖｉｅｗｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄ，ｗｈｉｃｈｉｎｃｕｒｓｉｔｓｉｎｅｆｆｉｃｉｅｎｃｙｉｎｔｈｅ ｆａｓｈｉｏｎａｂｌｅｍｕｌｔｉｖｉｅｗｏｒｉｅｎｔｅｄｓｃｅｎａｒｉｏ．Ｆｏｒａｄｄｒｅｓｓｉｎｇｓｕｃｈｃｈａｌｌｅｎｇｅ，ｂａｓｅｄｏｎＰＣＭ，ａｎｏｖｅｌｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ， ｒｅｆｅｒｒｅｄｔｏａｓｆｕｚｚｉｌｙｗｅｉｇｈｔｅｄｍｕｌｔｉｖｉｅｗＣｏＰＣＭ （ＷＣｏＰＣＭｆｏｒｓｈｏｒｔ），ｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｅｄｉｓｔｉｎｃｔｉｖｅ ｍｅｒｉｔｏｆＷＣｏＰＣＭｌｉｅｓｉｎｉｔｓｓｅｌｆａｄａｐｔｉｖｅｗｅｉｇｈｔｉｎｇｍｅｃｈａｎｉｓｍｆｏｒｔｈｅｍｕｌｔｉｐｌｅｖｉｅｗｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｓｔｕｄｉｅｓ ｉｍｐｌｅｍｅｎｔｅｄｏｎｓｏｍｅＵＣＩｄａｔａｓｅｔｓｉｎｄｉｃａｔｅｔｈａｔ，ｃｏｍｐａｒｅｄｗｉｔｈｓｏｍｅｔｒａｄｉｔｉｏｎａｌｃｌｕｓｔｅｒｉｎｇａｐｐｒｏａｃｈｅｓａｓｗｅｌｌａｓｓｏｍｅ ｅｘｉｓｔｉｎｇｍｕｌｔｉｖｉｅｗｏｎｅｓ，ＷＣｏＰＣＭｆｅａｔｕｒｅｓｂｅｔｔｅｒａｎｔｉｉｎｔｅｒｆｅｒｅｎｃｅａｎｄｃｌｕｓｔｅｒｉｎｇｅｆｆｅｃｔｉｖｅｎｅｓｓ． Ｋｅｙｗｏｒｄｓ　　Ｐｏｓｓｉｂｉｌｉｔｙｃｌｕｓｔｅｒｉｎｇ　Ｍｕｌｔｉｖｉｅｗｃｌｕｓｔｅｒｉｎｇ　Ｆｕｚｚｙｗｅｉｇｈｔｉｎｇ　Ｎｏｉｓｅｉｍｍｕｎｉｔｙ 果。对于该情况，可能性聚类（ＰＣＭ）算法不再规定各 ０　引　言 样本隶属度之和必须等于 １，使得噪声和例外点在聚 类过程中的隶属度被赋予一个较小值，从而使其对聚 ［１－２］ 类结果的影响变小，最终增强了聚类算法的抗噪性也 模糊Ｃ均值聚类算法（ＦＣＭ ）是模糊聚类算 的鼻祖，它不仅产生