基于属性加权的RCM算法

计算机工程与科学

基于属性加权的RCM算法

张朋，戴月明，吴定会

（江南大学物联网工程学院,江苏无锡 214122）

收稿日期:2015-11-24 修回日期:2016-04-18 出版日期:2018-03-25 发布日期:2018-03-25
基金资助:
国家863计划(2013AA040405)

A RCM algorithm based on feature weights

ZHANG Peng，DAI Yueming，WU Dinghui

（School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China）

Received:2015-11-24 Revised:2016-04-18 Online:2018-03-25 Published:2018-03-25

摘要/Abstract

摘要：

传统的粗糙集均值算法RCM的聚类准则是建立在参与聚类的属性同等重要的假设下，而在自然场景下的聚类问题中,不同的属性对聚类结果的影响是不同的。针对该问题，提出了将聚类属性进行加权处理的WRCM算法。具体地，为了筛选出对聚类结果产生关键影响的具有辨别力的聚类属性,算法通过引入权重矩阵将不同的属性赋予不同的属性权重。实验结果表明，本算法可以达到属性选择的效果，从而提高了最终的聚类精确度。

关键词: 粗糙集均值算法, 聚类, 关键属性, 权重矩阵

Abstract:

The clustering criterion of the conventional Rough CMeans (RCM) algorithm is based on the hypothesis that the attributes involved in clustering are equally important. However, in the natural scenario clustering problems, the different attributes have different effects on the clustering results. To address this issue, we propose a weighted RCM by weighting clustering attributes. Specifically, in order to filter out discerning clustering attributes that have a crucial impact on the clustering results, the algorithm assigns different attributes to different attribute weights by introducing a weight matrix. The experimental results show that the proposed method is able to extract the attributes, which improves the clustering accuracy.

Key words: Rough C-Means algorithm, clustering, key features, weight matrix

张朋，戴月明，吴定会. 基于属性加权的RCM算法[J]. 计算机工程与科学.

ZHANG Peng，DAI Yueming，WU Dinghui. A RCM algorithm based on feature weights[J]. Computer Engineering & Science.

[1]	柴旭清, 乔一航, 范黎林, . 一种基于随机森林分类器构建高性能应用程序性能分析模型的方法[J]. 计算机工程与科学, 2024, 46(07): 1218-1228.
[2]	宋鑫海, 韩京宇, 郎杭, 毛毅. 滑动窗口投票策略的QRS波群形态识别[J]. 计算机工程与科学, 2024, 46(02): 272-281.
[3]	钟卓辉, 陈黎飞, . 基于模型的非凸聚类算法[J]. 计算机工程与科学, 2024, 46(02): 292-302.
[4]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[5]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[6]	李帅, 常锦才, 李吕牧之, 蔡昆杰, . 基于差分隐私保护的Stacking集成聚类算法研究[J]. 计算机工程与科学, 2022, 44(08): 1402-1408.
[7]	李兰, 刘杰, 张洁. 基于YOLOv4改进算法的复杂行人检测模型研究[J]. 计算机工程与科学, 2022, 44(08): 1449-1456.
[8]	陈奉贤. 基于NR-Transformer的集群作业运行时间预测[J]. 计算机工程与科学, 2022, 44(07): 1181-1190.
[9]	庞兴龙, 朱国胜, 杨少龙, 李修远. 一种基于聚类与噪声的网络流量分类方法[J]. 计算机工程与科学, 2022, 44(07): 1207-1215.
[10]	黄志强, 李军, 张世义. 基于轻量级神经网络的目标检测研究[J]. 计算机工程与科学, 2022, 44(07): 1265-1272.
[11]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[12]	刘云, 肖添, 王梓宇. 动态特征选择算法对恶意行为检测的优化研究[J]. 计算机工程与科学, 2022, 44(04): 665-673.
[13]	袁泉, 晏飞扬, 文志云, 张振康, . 基于谱聚类的社交网络差分隐私保护算法研究[J]. 计算机工程与科学, 2022, 44(02): 251-256.
[14]	许光宇, 丁健. 基于特征聚类的大视差图像拼接算法 [J]. 计算机工程与科学, 2022, 44(02): 283-290.
[15]	沈郭鑫, 蒋中云. 基于密度和中心指标的Canopy二分K-均值算法优化[J]. 计算机工程与科学, 2022, 44(02): 372-380.