基于单簇聚类的数据描述

作者：陈斌; 冯爱民; 陈松灿; 李斌

来源：计算机学报, 2007, (08): 1325-1332.

• 数据描述
• 聚类
• 单簇
• 可能性C-均值
• 单分类 data description
• clustering
• one-cluster
• PCM
• one-class classification

文中提出了一种基于单簇可能性C-均值聚类(Possibilistic C-Means,PCM)的数据描述方法并用于单分类.训练时,其首先进行P1M(PCM,C值取1)聚类,得到所有训练样本对目标类的隶属度;然后设置隶属度阈值,形成相应的数据描述进行单分类.分类时,计算新样本对目标类的隶属度,若其隶属度小于该阈值则判为异常,否则为正常.该方法和当前流行的支持向量域数据描述方法以及Parzen方法窗具有类似的参数配置和相当的分类性能,由此提供了另一种单分类学习算法.值得指出的是,尽管是PCM的一个特例,但P1M拥有PCM一般不具备的全局最优特性,而该特性对解决实际问题十分重要.

• 单位
  扬州大学; 计算机软件新技术国家重点实验室; 南京航空航天大学; 南京大学