一种样本几何特征重构方法及其在迁移聚类中的应用

摘要

针对迁移环境,提出了一种基于内部簇结构重构的迁移模糊聚类算法.首先,通过为每个对象分配权重,利用所有对象信息来描述内部簇结构.其次,为了重建目标域中的簇结构,应对目标域中对象稀疏分布或被噪声污染的问题,将源域和目标域联合在一起并重新计算目标域中每个对象的权重.第三,目标域中更新后的权重被认为是用于指导目标域学习的迁移知识.对不同类型数据集的实验结果表明,与其他类似算法相比,本研究所提出的迁移模糊聚类算法具有良好性能.