“Ｋ近邻空间密度分布的模糊聚类算法”最新研究成果

  张利，男，吉林长春人，工学博士，辽宁大学信息学院教授，中国人工智能协会机器博弈委员会委员，纽约州立大学布法罗分校访问学者。主要研究方向为装备的亚健康状态识别和智能计算。张利团队将人工智能应用于工业装备诊断领域，在工业装备智能故障诊断、带钢厚度预测、不完整数据填补等方向取得一系列成果，相应研究成果发表在Expert System with Application、IEEE Senors、Measurement等杂志上，获得国家发明专利授权10余项。

   针对工业装备中由于环境噪声或仪器精度等原因引起的采集数据不完整问题，张利团队提出一种K近邻空间密度分布的模糊聚类算法。首先，根据样本间相似度确定缺失数据的K最近邻样本集，在此基础上，由于缺失值具有不确定性，引入基于K最近邻样本集的数据分布信息，进一步将缺失数据填补为区间形式。其次，考虑聚类中离群点影响，引入数据空间密度分布，提出一种密度分布的区间型模糊C均值算法。最后，采用模糊C均值算法将填补的区间数据进行聚类。

 该文选取 UCI数据库 Iris、Breast 和 Bupa 数据集，以及合成有规律数据集ONE 和无规律数据集TWO，在不同的缺失率情况下与WDS-FCM、PDS-FCM、OCS-FCM 等算法进行聚类分析。通过对聚类平均错分数以及5种外部评价指标进行实验结果对比，验证该算法有更高的聚类准确率以及更优的聚类效果。

文章出处：《辽宁大学学报（自然科学版）》2023年第4期

文章链接：https://kns.cnki.net/kcms2/article/abstract?v=vdPasdvfHvu1FW5VyvCH2Wg6mdehX9IgKyqY35UqSGdgtu4W5VYClQffAkkBeGhbfvwkinpOsgrh1bMotmzniHm3-izFy7sJ4IzMq8tlRwJ1jo1XqpxrsQ==&uniplatform=NZKPT