为了探讨元素之间的夹角对增量聚类算法的影响,受基于角度的异常点检测算法的启发,论文建立了一种基于角度度量的(Incremental Clustering Algorithm Based on Angle)动态增量聚类算法模型,利用元素之间的夹角对增加的数据进行合理的分...为了探讨元素之间的夹角对增量聚类算法的影响,受基于角度的异常点检测算法的启发,论文建立了一种基于角度度量的(Incremental Clustering Algorithm Based on Angle)动态增量聚类算法模型,利用元素之间的夹角对增加的数据进行合理的分配。针对KFCM(Kernal Fuzzy Cluster Method)算法随机获取聚类中心的缺陷,论文利用平均距离对算法做出改进,使KFCM算法能自动获取聚类中心。由于核函数对聚类结果有很大影响,对于如何选择核函数文中做了进一步的研究。实验结果表明针对不断增加的数据,本算法能够有效的处理各种数据集。展开更多
文摘为了探讨元素之间的夹角对增量聚类算法的影响,受基于角度的异常点检测算法的启发,论文建立了一种基于角度度量的(Incremental Clustering Algorithm Based on Angle)动态增量聚类算法模型,利用元素之间的夹角对增加的数据进行合理的分配。针对KFCM(Kernal Fuzzy Cluster Method)算法随机获取聚类中心的缺陷,论文利用平均距离对算法做出改进,使KFCM算法能自动获取聚类中心。由于核函数对聚类结果有很大影响,对于如何选择核函数文中做了进一步的研究。实验结果表明针对不断增加的数据,本算法能够有效的处理各种数据集。