鲁棒的极大熵聚类算法RMEC及其例外点标识
1.江南大学信息工程学院,江苏无锡 214036
2.南京大学软件新技术国家重点实验室,南京 210016
3.国防科技大学自动化学院,长沙 410073
4.南京理工大学计算机系,南京 212000
下一篇 上一篇
摘要
针对极大熵聚类算法MEC(maximum entropy clustering)对例外点(outliers)较敏感和不能标识例外点的缺陷,提出了一种改进的极大熵聚类算法RMEC(robust maximum entropy clustering)。该算法的基本思想是通过引入Vapnik's ε-不敏感损失函数和权重因子重新构建目标函数,并利用优化理论推导出新的学习公式。RMEC算法不但对例外点较之MEC算法有更好的鲁棒性,而且还能有效地利用学习后的权重因子标识出数据集中存在的例外点。仿真试验结果亦表明了RMEC算法的上述优点。
参考文献
[ 1 ] RoseK , GurewtizE , FoxG Adeterministicannealingapproachtoclustering[J ].PatternRecognitionLetters, 1990, 11:589~594
[ 2 ] 邓赵红, 陆介平, 王士同.改进的MinMax模糊神经网络与函数建模[J].江南大学学报, 2003, 2 (3) :234~239 链接1
[ 3 ] KellerA .Fuzzyclusteringwithoutliers[A ].NAFIPS00[M].2000
[ 4 ] KarayiannisNB .MECA :maximumentropyclusteringalgorithm[A].ProconIEEEIntConfonFuzzySyst[C].Orlando, FL , 1994.630~635
[ 5 ] LiRP , MukaidonoM .Amaximumentropyapproachtofuzzyclustering[A].ProconIEEEIntConfFuzzySyst[C].Yokohama, Japan, 1995.2227~2232
[ 6 ] 张志华, 郑南宁, 史 罡.极大熵聚类算法及其全 局收敛性分析[J].中国科学, E辑, 2001, 31 (1) :59~70 链接1
[ 7 ] LasM , KandelA .Automated perceptionsindatamining[A].ProceedingsoftheEighthInternationalConferenceonFuzzySystem[C ].Seoul, Korea, 1999.190~197
[ 8 ] MendenhallW , ReinmuthJE , BeaverRJ , Statisticsformanagementandeconomics[M].Belmont, CA :DuxburyPress, 1993
[ 9 ] HuberPJ, Robuststatistics[M].NewYork:Wiley, 1981
[10] GillPE , MurrayW .WrightMH , PracticalOptimization[M].NewYork:AcademicPress, 1981
[11] 王士同.神经模糊系统及其应用[M ].北京:北京航空航天大学出版社, 1998 链接1
[12] SteveRG , Supportvectormachinesclassificationandregression[R].UniversityofSouthampton, 1998
[13] VapnikV , Statisticallearningtheory[M ].NewYork:Wiley, 1998
[14] LeskiJ, Towardsarobustfuzzyclustering[J].FuzzySetsandSystems, 2003, (2) , 215~233