点击次数：

论文类型：期刊论文

发表时间：2016-03-10

发表刊物：微电子学与计算机

收录刊物：PKU、ISTIC、CSCD

卷号：33

期号：3

页面范围：120-124

ISSN号：1000-7180

关键字：AutoEncoder;增量聚类;特征学习;数据压缩

摘要：针对目前数据量增长迅速,数据特征多,存储空间不足等问题,提出了基于AutoEncoder的增量式聚类算法(ANIC).首先利用AutoEncoder学习数据样本的特征,进行低维特征整合,得到数据样本的压缩表示形式,然后在原有聚类结果的基础上,通过一遍式读取数据和动态更新聚类中心点,对新生成样本进行增量式聚类.在对UCI的四个数据集进行聚类时,实验结果表明该算法能够得到优于k均值算法(Kmeans)和模糊c均值算法(FCM)的聚类效果.同时,该算法的时间消耗低,能够识别离群点,能够有效地对不断增加的数据集进行增量式聚类.