.png){kind=icon}
返回
Fuzzy leaky integrate-and-fire clustering algorithm
.png){kind=icon}
OA
AI
DOI：10.1080/09540091.2026.2736355.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的无监督聚类算法，该算法结合了增量模糊C均值聚类与离散漏电积分-发放（LIF）神经元模型。该方法通过优化聚类目标函数来推导和更新LIF神经元的突触权重，从而促进增量式和完全无监督学习。聚类形成通过基于脉冲计数的神经元响应实现，每个神经元代表一个聚类的原型。所提出方法的有效性通过合成生成数据集和UCI机器学习库中的基准数据集进行验证。聚类性能采用混淆矩阵和归一化互信息（NMI）进行评估，结果表明该方法在竞争力上可与常规聚类技术媲美，并且在某些情况下表现更优。所提出的算法具有多种优势特性，包括对大数据集的可扩展性、计算效率、与经典聚类方法的结构相似性、对新数据集的适应性以及适用于神经形态实现的特性，这为能源效率、处理速度和容错性提供了益处。
Keyword:
LIF
unsupervised learning
fuzzy c-means
NMI
clustering
