模糊混合原型聚类算法及其在医学和生物学中的应用

书籍简介:

本书中提出一种新型模糊聚类算法，即，模糊混合原型聚类算法（FMC）。FMC算法通过采用超平面及超球面结合的混合原型作为模糊聚类算法的数据模型。FMC算法的目标函数被表示为数据样本点到聚类原型和数据质心的距离的加权和的形式。通过采用拉格朗日乘数法，我们开发出一个能够最小化该目标函数的迭代数值算法。为了展示所提出算法的优越性能，我们在多组不同数据集，特别是微阵列基因表达数据集上对该算法进行了验证，并与现有算法进行了比较。此外，本书还提出另一类新型模糊数据算法，也即是，结合空域约束的模糊混合聚类算法（FMCS）。通过将FMC算法的目标函数与空域约束信息相结合，我们可以得到FMCS算法的目标函数。类似的，通过采用拉格朗日乘数法，我们开发出其迭代数值算法。通过结合空域约束，FMCS 可以在数据聚类过程中充分考虑到数据样本间重要的相邻空域信息，进而对噪声点和异常点产生较强的鲁棒性。我们还在不同数据集上，尤其是MR脑图像数据集上，对FMCS算法进行了验证，并与现有方法进行了比较，实验结果证实了所提出的FMCS算法具有更好的噪声鲁棒性及更好的分割效果。

书籍规格:

书籍信息归属:

模糊混合原型聚类算法及其在医学和生物学中的应用是中国矿业大学出版社于2014.11出版的中图分类号为 O212.4 的主题关于 聚类分析 的书籍。