Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2016-03-10

Journal: 微电子学与计算机

Included Journals: CSCD、ISTIC、PKU

Volume: 33

Issue: 3

Page Number: 120-124

ISSN: 1000-7180

Key Words: AutoEncoder;增量聚类;特征学习;数据压缩

Abstract: 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.