从不确定性视角重探 PCM 与 APCM

Peixin Hou; Hao Deng; Jiguang Yue; Shuguang Liu

从不确定性视角重探 PCM 与 APCM

计算机视觉与模式识别 2016-10-28 v1 机器学习

作者: Peixin Hou , Hao Deng , Jiguang Yue , Shuguang Liu

摘要

在本文中，我们从不确定性的角度重新审视了可能性 c 均值 (PCM) 和自适应 PCM (APCM) 聚类算法。这一新视角为我们提供了对聚类过程的深入见解，并赋予了更大的灵活性。我们分析了基于 PCM 的算法的聚类行为，并引入参数 $\sigma_v$ 和 $\alpha$ 分别表征数据集估计带宽和噪声水平的不确定性。然后，由估计带宽参数的不确定性所引起的隶属度值的不确定性（模糊性）通过条件模糊集建模，这是一种 type-2 模糊集的新表述。实验表明，参数 $\sigma_v$ 和 $\alpha$ 使聚类过程更易于控制，且 PCM 和 APCM 的主要特征在这一新聚类框架 (UPCM) 中得到了统一。更具体地，当我们设置较小的 $\alpha$ 或较大的 $\sigma_v$ 时，UPCM 退化为 PCM；而当簇被限制在其物理簇中并确保可能的簇消除时，UPCM 退化为 APCM。最后我们给出了本文的进一步研究。

关键词

可能性 c 均值自适应 PCM 聚类算法不确定性视角 type-2 模糊集条件模糊集 UPCM

引用

@article{arxiv.1610.08624,
  title  = {PCM and APCM Revisited: An Uncertainty Perspective},
  author = {Peixin Hou and Hao Deng and Jiguang Yue and Shuguang Liu},
  journal= {arXiv preprint arXiv:1610.08624},
  year   = {2016}
}

备注

8 pages

从不确定性视角重探 PCM 与 APCM

摘要

关键词

引用

备注

相关论文