论文部分内容阅读
针对可能性聚类对初始化参数设置依赖性较强的问题，提出一种基于中心自动融合的可能性聚类算法，并证明了算法中尺度因子的多尺度性质。该算法通过建立中心的相关性判定准则，根据数据自身分布特点动态调整聚类数目与结构，通过引入尺度参数实现对数据的多分辨率分析。与传统的模糊和可能性聚类算法相比，该算法摆脱了对聚类数目及初始化中心或隶属度矩阵设置的依赖性，易于控制。人造数据和真实数据实验结果表明，该算法能自动确定数据中不同尺度下的聚类结构，具有识别不同大小聚类结构的能力。