一种加入类间因素的曲线聚类算法

被引：4

作者：

许腾腾

王瑞

黄恒君

机构：

[1] 兰州财经大学统计学院

来源：

智能系统学报 | 2019年 / 14卷 / 02期

关键词：

函数型数据; 类间差异; 曲线聚类; B-样条; 距离度量;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对目前的曲线聚类算法基于类内差异设计,造成不同类之间的曲线区分度不高的问题。在曲线拟合、曲线距离界定的基础上,构造新的目标函数,提出同时考虑类内和类间差异的曲线聚类算法。模拟结果显示,该曲线聚类能够提高聚类精度;针对NO2污染物小时浓度的实例分析表明,该曲线聚类算法具有更好的类间区分度。

引用

页码：362 / 368

页数：7

共 17 条

[1] 面向公共安全的时空数据挖掘综述 [J].

王永坤 ;

王海洋 ;

潘平峻 ;

李龙元 ;

金耀辉 .

重庆邮电大学学报(自然科学版), 2018, 30 (01) :40-52

[2] 基于K-medoids项目聚类的协同过滤推荐算法 [J].

王永 ;

万潇逸 ;

陶娅芝 ;

张璞 .

重庆邮电大学学报(自然科学版), 2017, (04) :521-526

[3] 基于混合距离学习的鲁棒的模糊C均值聚类算法 [J].

卞则康 ;

王士同 .

智能系统学报, 2017, 12 (04) :450-458

[4] 中国城市空气质量指标的聚类分析 [J].

郭云飞 ;

林红飞 ;

郑旭 .

统计与管理, 2016, (08) :80-81

[5] 基于北京市6类污染物的环境空气质量评价方法 [J].

刘杰 ;

杨鹏 ;

吕文生 ;

王金海 .

安全与环境学报, 2015, 15 (01) :310-315

[6] 海量半结构化数据采集、存储及分析——基于实时空气质量数据处理的实践 [J].

黄恒君 ;

漆威 .

统计研究, 2014, 31 (05) :10-16

[7] 基于B-样条基底展开的曲线聚类方法 [J].

黄恒君 .

统计与信息论坛, 2013, 28 (09) :3-8

[8] Dimension-Reduced Clustering of Functional Data via Subspace Separation [J].

Yamamoto, Michio ;

Hwang, Heungsun .

JOURNAL OF CLASSIFICATION, 2017, 34 (02) :294-326

[9] Model-based clustering for spatiotemporal data on air quality monitoring [J].

Cheam, A. S. M. ;

Marbac, M. ;

McNicholas, P. D. .

ENVIRONMETRICS, 2017, 28 (03)

[10]

Functional data clustering: a survey[J] . Julien Jacques,Cristian Preda. Advances in Data Analysis and Classification . 2014 (3)

← 1 2 →