基于深度信念网络的K-means聚类算法研究

作者：杨慧婷; 杨文忠; 殷亚博; 许超英

来源：现代电子技术, 2019, 42(08): 145-150.

DOI：10.16652/j.issn.1004-373x.2019.08.032

• K-means算法
• 深度信念网络
• 受限玻尔兹曼机
• 高维数据
• 聚类分析
• FCM算法

针对传统K-means聚类算法对高维非线性数据聚类效果不佳、聚类时间消耗大的问题,文中对高维数据的预处理进行研究,提出一种基于深度信念网络(DBN)的K-means聚类算法(DBNOK)。此算法首先使用多层受限玻尔兹曼机(RBM)对数据进行特征学习,并将学习到的隐含特征进行K-means相关参数和初始聚类中心进行交叉迭代优化。用DBNOK算法分别在低维数据集和高维数据集上进行实验,结果表明,DB-NOK算法聚类准确率优于标准的K-means算法和模糊均值聚类(FCM)算法。

• 出版日期2019
• 单位新疆大学