一種局部搜索自適應(yīng)核模糊聚類方法
大?。?/span>0.56 MB 人氣: 2017-11-27 需要積分:1
標簽:聚類(14184)
核模糊C均值聚類KFCM是利用核函數(shù)將數(shù)據(jù)映射到高維空間,通過計算數(shù)據(jù)點與聚類中心的隸屬度對數(shù)據(jù)進行聚類的算法,擁有高效、快捷的特點而被廣泛應(yīng)用于各領(lǐng)域,然而KFCM算法存在對聚類中心的初始值敏感和不能自適應(yīng)確定聚類數(shù)兩個局限性。針對這兩個問題,提出一種局部搜索自適應(yīng)核模糊聚類方法,該方法引入核方法提高數(shù)據(jù)的可分性,并構(gòu)造基于核函數(shù)的評價函數(shù)來確定最優(yōu)的聚類數(shù)目和利用部分樣本數(shù)據(jù)進行局部搜索以尋找初始聚類中心。人工數(shù)據(jù)和UCI數(shù)據(jù)集上的實驗結(jié)果驗證了該算法的有效性。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種局部搜索自適應(yīng)核模糊聚類方法下載
相關(guān)電子資料下載
- 對新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分數(shù)提升時間序列聚類的表現(xiàn) 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機器學(xué)習(xí)與統(tǒng)計方法綜述(二) 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學(xué)習(xí)與統(tǒng)計方法綜述(一) 638
- 機器學(xué)習(xí)之分類分析與聚類分析 3550