Knowledge-Induced Multiple Kernel Fuzzy Clustering

聚类分析 模糊聚类 计算机科学 数据挖掘 人工智能 模糊逻辑 核(代数) 知识抽取 领域知识 数据流聚类 相关聚类 模式识别(心理学) CURE数据聚类算法 机器学习 数学 组合数学
作者
Yiming Tang,Zhifu Pan,Xianghui Hu,Witold Pedrycz,Renhao Chen
出处
期刊:IEEE Transactions on Pattern Analysis and Machine Intelligence [Institute of Electrical and Electronics Engineers]
卷期号:45 (12): 14838-14855 被引量:25
标识
DOI:10.1109/tpami.2023.3298629
摘要

The introduction of domain knowledge opens new horizons to fuzzy clustering. Then knowledge-driven and data-driven fuzzy clustering methods come into being. To address the challenges of inadequate extraction mechanism and imperfect fusion mode in such class of methods, we propose the Knowledge-induced Multiple Kernel Fuzzy Clustering (KMKFC) algorithm. First, to extract knowledge points better, the Relative Density-based Knowledge Extraction (RDKE) method is proposed to extract high-density knowledge points close to cluster centers of real data structure, and provide initialized cluster centers. Moreover, the multiple kernel mechanism is introduced to improve the adaptability of clustering algorithm and map data to high-dimensional space, so as to better discover the differences between the data and obtain superior clustering results. Second, knowledge points generated by RDKE are integrated into KMKFC through a knowledge-influence matrix to guide the iterative process of KMKFC. Third, we also provide a strategy of automatically obtaining knowledge points, and thus propose the RDKE with Automatic knowledge acquisition (RDKE-A) method and the corresponding KMKFC-A algorithm. Then we prove the convergence of KMKFC and KMKFC-A. Finally, experimental studies demonstrate that the KMKFC and KMKFC-A algorithms perform better than thirteen comparison algorithms with regard to four evaluation indexes and the convergence speed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
丹东东完成签到,获得积分20
1秒前
1秒前
1秒前
2秒前
小蘑菇应助大饼卷肉采纳,获得10
2秒前
2秒前
yingxutravel发布了新的文献求助10
3秒前
lao333完成签到,获得积分10
3秒前
卡尔加里发布了新的文献求助10
3秒前
研友_VZG7GZ应助小小采纳,获得10
4秒前
4秒前
小马甲应助木木VV采纳,获得10
5秒前
5秒前
李浩然发布了新的文献求助10
5秒前
善良夜梅发布了新的文献求助10
6秒前
lihaodajia发布了新的文献求助10
7秒前
sfsfs完成签到,获得积分10
8秒前
科研通AI2S应助huyang采纳,获得10
8秒前
JamesPei应助芬里尔采纳,获得10
8秒前
聪明宛菡完成签到 ,获得积分10
9秒前
9秒前
10秒前
周芷卉发布了新的文献求助10
11秒前
anna完成签到,获得积分10
12秒前
英俊的铭应助李浩然采纳,获得10
13秒前
hahahaweiwei完成签到,获得积分10
13秒前
lili完成签到,获得积分10
14秒前
14秒前
15秒前
16秒前
anna发布了新的文献求助10
16秒前
16秒前
张光光完成签到 ,获得积分10
17秒前
SciGPT应助zz采纳,获得10
17秒前
一一应助古月方源采纳,获得10
18秒前
Fisheep发布了新的文献求助10
18秒前
maox1aoxin应助wxl采纳,获得30
19秒前
wxhy发布了新的文献求助10
19秒前
19秒前
士成发布了新的文献求助10
19秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3247247
求助须知:如何正确求助?哪些是违规求助? 2890639
关于积分的说明 8264046
捐赠科研通 2559077
什么是DOI,文献DOI怎么找? 1387740
科研通“疑难数据库(出版商)”最低求助积分说明 650640
邀请新用户注册赠送积分活动 627321