控制与决策

作者：陈玉明,蔡国强,卢俊文,曾念峰

单位：厦门理工学院 计算机与信息工程学院,福建 厦门 361024,,厦门理工学院 计算机与信息工程学院,福建 厦门 361024,,厦门理工学院 计算机与信息工程学院,福建 厦门 361024,,易成功厦门信息科技有限公司,福建 厦门 361024,

关键词：粒计算;邻域粒;K均值聚类;聚类;无监督学习;粒向量

基金：国家自然科学基金项目(61976183,61871464)；福建省自然科学基金项目(2020J01266)；福建省教育厅中青年科研项目(JAT190679).

K均值聚类,对于非凸、稀疏及模糊的非线性可分数据,其聚类效果不佳.针对此问题,通过引入粒计算理论,采用邻域粒化技术,提出一种邻域粒K均值聚类方法.样本在单特征上使用邻域粒化技术构造邻域粒子,在多特征上使用邻域粒化技术形成邻域粒向量;通过定义邻域粒与邻域粒向量的大小、度量和运算规则,提出两种邻域粒距离度量,并对所提出的邻域粒距离度量进行公理化证明.采用多个UCI数据集进行实验,将K均值聚类算法分别结合两种邻域粒距离度量,在邻域参数和距离度量两个方面与经典聚类算法进行比较,结果验证了所提出的邻域粒K均值聚类方法的可行性和有效性.

来源：2023年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第3期