A Possibilistic Approach to Clustering

已于 2022-01-23 22:52:31 修改
阅读量331 收藏
点赞数 1
分类专栏： 论文精读 文章标签： 聚类 ieee论文
于 2021-07-07 00:01:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51128278/article/details/118529193
版权
PCM（Possibilistic Clustering Method）是一种解决FCM（Fuzzy C-Means）算法中隶属度相对性和0.5解释问题的方法。在FCM中，点的隶属度依赖于其与其他类的关系，导致了一些不合理的情况。PCM通过调整目标函数并引入惩罚项，使得噪声点的隶属度更低，从而改进了FCM的聚类效果。算法包括隶属度的公式推导，目标函数的构建，并通过迭代更新来寻找全局最优解。
摘要由CSDN通过智能技术生成

PCM（A Possibilistic Approach to Clustering）

PCM 聚类算法

前言：FCM的两个缺点

1.隶属度具有相对性

在FCM算法中，类中某个点的隶属度是一个相对数，它依赖于该点在所有其他类中的隶属度，从而间接依赖于类本身的总数。
在这里插入图片描述

具有两个集群的数据集，其中成员如图1所示。
（a） 由FCM为点A和B生成的是不同的，尽管它们同样是1类的典型。点A和点C将具有相似的成员值，即使它们在该类中不是同样典型的。
（b） 具有两个交叉聚类的数据集的例子，其中由FCM产生的点A和点B的两个聚类中的成员约为0.5，尽管点A是两个聚类的“好”成员，点B是两个聚类的“差”成员。
（c） 具有两个噪声点，点A和B的数据集的例子，其中这两个聚类中这些点的FCM成员约为0.5&#x

了解本专栏 订阅专栏 解锁全文 超级会员免费看
显然易证
关注
专栏目录
订阅专栏
【聚类&&分类算法】聚类算法和分类算法总结
0x8g1T9E-
07-07 8467
聚类算法的种类： 基于划分聚类算法（partition clustering) k-means： 是一种典型的划分聚类算法，它用一个聚类的中心来代表一个簇，即在迭代过程中选择的聚点不一定是聚类中的一个点，该算法只能处理数值型数据 k-modes： K-Means算法的扩展，采用简单匹配方法来度量分类型数据的相似度 k-prototypes： 结合了K-Means和K-Modes两种算法，能够处理混合型数据 k-medoids： 在迭代过程中选择簇中的某点作为聚点，...
A three-phase approach to document clustering based on topic significance degree
02-22
该文件是一篇发表于2014年的研究论文，标题为“A three-phase approach to document clustering based on topic significance degree”，该研究论文主要关注于文档聚类，即通过将文档投影到主题空间中，从而实现有效...
机器学习之模糊聚类——FCM，PCM模型
热门推荐
u014423305的博客
10-12 2万+
在介绍模糊聚类之前，首先说一下k-means聚类模型。 k-means 这是聚类算法中很常用的一种，算法最大的特点是简单易懂： 事先设置好聚类中心 CCC 的数量 KKK，并初始化这 KKK 个聚类中心的位置 C0={c1,c2,..,ci..,ck}C^{0}=\{c_{1},c_{2},..,c_{i}..,c_{k}\}C0={c1​,c2​,..,ci​..,ck​}; 输入数据集为 X...
聚类算法
liucheng917的博客
05-09 1161
本文是从https://www.cnblogs.com/LittleHann/p/6595148.html转载 聚类简介 1、什么是聚类 聚类是一种运用广泛的探索性数据分析技术，人们对数据产生的第一直觉往往是通过对数据进行有意义的分组。很自然，首先要弄清楚聚类是什么？ 直观上讲，聚类是将对象进行分组的一项任务，使相似的对象归为一类，不相似的对象归为不同类 但是，要达到这个目的存在几个很困难的问题...
pcm聚类算法matlab程序,求:FCM,PCM聚类算法MATLAB程序
weixin_31138555的博客
03-23 659
function[U,center,result,w,obj_fcn]=fenlei(data)[data_n,in_n]=size(data);m=2;%ExponentforUmax_iter=100;%Max.iterationmin_impro=1e-5;%Min.improvementc=3;[center,U,obj_fcn]=f...
聚类算法总结
weixin_34349320的博客
10-05 595
聚类算法的种类：基于划分聚类算法（partition clustering)k-means：是一种典型的划分聚类算法，它用一个聚类的中心来代表一个簇，即在迭代过程中选择的聚点不一定是聚类中的一个点，该算法只能处理数值型数据k-modes：K-Means算法的扩展，采用简单匹配方法来度量分类型数据的相似度k-prototypes：结合了K-Means和K-Modes两种算法，能...
聚类论文分析-A Hybrid Approach to Clustering in Big Data
超超级钢铁侠
07-11 2039
谈谈对论文A Hybrid Approach to Clustering in Big Data的理解 在这篇论文中作者提出了一种新的聚类方法，叫clusiVAT算法，并且与 k-means, single pass k-means, online k-means,和clustering using representatives (CURE) 等算法进行了对比。对聚类的理解聚类(clustrer
DSKmeans: A New Kmeans-type Approach to Discriminative Subspace Clustering
02-11
### DSKmeans: 新型判别子空间聚类方法 #### 概述 本文介绍了一种新型的K-means类型的聚类算法——DSKmeans（Discriminative Subspace K-means），该算法旨在通过结合簇内紧凑性与簇间分离度来提高聚类效果。传统...
A Link Clustering Based Approach for Clustering Categorical Data
02-23
基于链接聚类的符号属性聚类，何增友，Xu Xiaofei，Categorical data clustering (CDC) and link clustering (LC) have been considered as separate research and application areas. The main focus of this paper...
聚类算法学习笔记（1）
weew_pp的专栏
08-12 2543
聚类算法：聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。
常见的聚类算法
Hello World
11-25 742
常见的聚类算法
聚类算法分析总结
行者小朱的博客
01-15 1万+
一、什么是聚类？ 聚类（Clustering）：聚类是一个人们日常生活的常见行为，即所谓“物以类聚，人以群分”，核心的思想也就是聚类。人们总是不断地改进下意识中的聚类模式来学习如何区分各个事物和人。同时，聚类分析已经广泛的应用在许多应用中，包括模式识别，数据分析，图像处理以及市场研究。通过聚类，人们能意识到密集和稀疏的区域，发现全局的分布模式，以及数据属性之间的有趣的相互关系。简单来说就是将
聚类分析 | WOA-K-means++聚类优化算法
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
10-11 287
聚类分析 | WOA-K-means++聚类优化算法
K-means 算法、层次聚类、密度聚类对鸢尾花（Iris）数据进行聚类
FHY26828的博客
10-14 1099
K-Means：适合规则分布的大规模数据，快速聚类。层次聚类：适合小规模数据和需要层次结构的场景，如基因分析或市场细分。DBSCAN：适合处理复杂形状簇和含有噪声的数据，如地理空间数据或异常检测。距离和相似度度量：用于选择合适的距离度量方式，根据数据的特征进行优化选择。这些算法在不同的应用场景中表现各异，建议根据数据特点选择合适的算法。如果有其他问题或需要深入探讨，可以随时提问！这段代码实现了对鸢尾花数据集的层次聚类，并通过树状图可视化了数据点的合并过程。
基于水平井光纤应变的压裂裂缝长度反演模型及应用研究
10-17
内容概要：本文基于三维位移不连续边界元法建立了光纤应变计算模型，并构建了基于裂缝前缘光纤应变的裂缝参数反演模型。通过敏感性分析，探讨了光纤应变与裂缝长度、高度和宽度分布的关系，提出了一种利用光纤应变快速评估裂缝长度的方法，并验证了其在实际应用中的有效性。 适合人群：从事压裂裂缝诊断的技术人员、科研人员和工程师。 使用场景及目标：① 提供一种新的方法来评估压裂裂缝的长度，提高裂缝诊断的精度；② 在压裂施工过程中，实时监测裂缝长度变化，指导压裂工艺优化。 其他说明：该研究不仅提高了压裂裂缝参数解释的准确性，还为现场工程师提供了实用的工具和技术支持。
毕业设计论文SpringBoot数码商城交易平台.docx
10-17
毕业设计论文
毕业设计论文SpringBoot网上水果超市.docx
最新发布
10-17
毕业设计论文
小熊猫ios版本，苹果电脑版下载
10-17
小熊猫ios版本，苹果电脑版下载
Possibilistic Fuzzy c-Means Clustering python代码
05-18
以下是Python实现的Possibilistic Fuzzy c-Means聚类算法代码： ```python import numpy as np from sklearn.metrics.pairwise import euclidean_distances def possibilistic_fuzzy_c_means(X, c, m, epsilon, max_iter): # 初始化隶属度矩阵U n, d = X.shape U = np.random.rand(n, c) U = np.divide(U, np.sum(U, axis=1)[:, np.newaxis]) # 初始化聚类中心 centers = np.random.rand(c, d) # 迭代更新 for i in range(max_iter): # 更新隶属度矩阵U D = euclidean_distances(X, centers) U_new = np.power(np.divide(1, D), 2/(m-1)) U_new = np.nan_to_num(U_new) U_new = np.divide(U_new, np.sum(U_new, axis=1)[:, np.newaxis]) # 计算聚类中心 centers_new = np.zeros((c, d)) for j in range(c): centers_new[j, :] = np.sum(np.multiply(np.power(U_new[:, j], m), X), axis=0) centers_new[j, :] = np.divide(centers_new[j, :], np.sum(np.power(U_new[:, j], m))) # 判断是否收敛 if np.linalg.norm(U - U_new) < epsilon: break U = U_new centers = centers_new return U, centers ``` 其中，X为输入数据，c为聚类数，m为模糊度参数，epsilon为收敛阈值，max_iter为最大迭代次数。函数返回隶属度矩阵U和聚类中心centers。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值