论文部分内容阅读
针对非充分数据集及噪声对聚类分析的干扰，基于模糊C均值（FCM）框架下的聚类技术，即一般化的增强模糊划分聚类算法（GIFP—FCM），探讨具有迁移学习能力的聚类方法——融入迁移学习机制的GIFP—FCM算法（T—GIFP—FCM）．该算法通过有效利用历史相关场景（域）总结得到的知识来指导当前场景（域）中信息不足时的聚类任务，从而提高聚类效果．通过在模拟数据集及真实数据集上的仿真实验，结果显示文中算法较之传统算法在处理信息不足任务时具有更佳的性能．