基于共享最近邻聚类和模糊集理论的分类器
提出一种基于共享最近邻聚类和模糊集理论的分类器.首先,在提出与核点密切相关的核半径概念的基础上,应用共享最近邻聚类得到正常类空间的部分核点和核半径, 建立求解正常类空间补充核点的多目标优化模型, 从而获得刻画正常类空间的全部核点和核半径.然后,将模糊集理论引入正常类的类属划分中, 利用核点和核半径定义正常类的隶属度函数, 建立基于隶属度函数的分类函数或分类器.实验表明,该分类器能处理包含噪音、 孤立点和不规则子类的高维数据集的分类问题.
提出一种基于共享最近邻聚类和模糊集理论的分类器.首先,在提出与核点密切相关的核半径概念的基础上,应用共享最近邻聚类得到正常类空间的部分核点和核半径, 建立求解正常类空间补充核点的多目标优化模型, 从而获得刻画正常类空间的全部核点和核半径.然后,将模糊集理论引入正常类的类属划分中, 利用核点和核半径定义正常类的隶属度函数, 建立基于隶属度函数的分类函数或分类器.实验表明,该分类器能处理包含噪音、 孤立点和不规则子类的高维数据集的分类问题.