使用DBSCAN的FCM神经网络分类器

作者：张晓倩; 杨波; 王琳; 梁志锋

来源：模式识别与人工智能, 2016, 29(02): 185-192.

DOI：10.16451/j.cnki.issn1003-6059.201602011

• 神经网络
• 浮动质心法(FCM)
• 分区空间
• 具有噪声的基于密度的聚类算法(DBSCAN)

针对浮动质心法(FCM)在实现过程采用的K-means算法不易发现任意形状簇及对离群点敏感等缺陷,提出使用具有噪声的基于密度的聚类算法(DBSCAN)改进FCM神经网络分类器的方法.DBSCAN将离群点看作无法处理的点,并能发现任意形状的簇,将分区空间中的染色点划分成若干个更准确的分区.此外,定义优化目标函数,并用粒子群优化算法优化神经网络的各个参数,获得最优的分类模型.在UCI数据库上的对比实验表明,改进后的FCM方法在分类精度、鲁棒性和运行时间方面均优于原有FCM.

• 出版日期2016
• 单位济南大学