基于阴影集的三支高斯混合聚类算法

针对三支高斯混合聚类算法(three-way Gaussian mixture model,T-GMM)的阈值通常为人为设定,增加算法的不确定性的问题,本文中将阴影集思想融入三支高斯混合模型,提出一种基于阴影集的三支高斯混合聚类算法(three-way Gaussian mixture model clustering based on shadow sets,ST-GMM);ST-GMM算法先构造一个关于阈值的目标函数,再通过优化算法选取最优阈值。基于10个不同类型的UCI数据集的实验结果表明:ST-GMM算法不仅继承了T-GMM算法的特点,同时有效地降低了人为设定阈值的误差,聚类细节的刻画也更加准确。针对评价指标的测试进一步验证了ST-GMM算法具有良好的聚类性能。