基于懲罰因子的樣本隸屬度改進(jìn)算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論(0)
針對(duì)傳統(tǒng)模糊C均值(FCM)算法在聚類過程中存在收斂速度慢、對(duì)大數(shù)據(jù)處理實(shí)時(shí)性不強(qiáng)等問題,提出了一種基于懲罰因子的樣本隸屬度改進(jìn)算法。首先分析抑制式模糊C均值( SFCM)聚類特點(diǎn),研究懲罰因子對(duì)樣本隸屬度修正的觸發(fā)條件,進(jìn)而設(shè)計(jì)出基于懲罰因子的SFCM聚類隸屬度動(dòng)態(tài)修正算法。通過算法實(shí)現(xiàn)樣本向“兩極移動(dòng)”,達(dá)到快速收斂之目的。理論分析與實(shí)驗(yàn)結(jié)果表明,在相同的初始化條件下,改進(jìn)算法的執(zhí)行時(shí)間效率比傳統(tǒng)FCM算法提高約40%,比基于優(yōu)化選擇的SFCM( OS-SFCM)算法提高l0%,其聚類準(zhǔn)確度與其他兩種算法相比也有一定的提高。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于懲罰因子的樣本隸屬度改進(jìn)算法下載
相關(guān)電子資料下載
- 對(duì)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?jǐn)?shù)提升時(shí)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(cè)模型 1060
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述(二) 679
- 如何在 Python 中安裝和使用頂級(jí)聚類算法 415
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述(一) 638
- 機(jī)器學(xué)習(xí)之分類分析與聚類分析 3550