分享到:

基于K-均值算法的模糊分类器设计

基于K-均值算法的模糊分类器具有很好的分类效果 ,用它可以很准确的对训练样本进行分类 .此方法是将K -均值算法应用于训练数据的聚类 ,对每个聚类的半径和  (本文共3页) 阅读全文>>

《洛阳理工学院学报(自然科学版)》2012年01期
洛阳理工学院学报(自然科学版)

对k均值算法和硬C-均值算法的对比分析

通过比较目标函数、聚类原型模式P(0)的初始化方法、...  (本文共5页) 阅读全文>>

《计算机应用》2007年06期
计算机应用

基于粒子群优化的k均值算法在网络入侵检测中的应用

在k均值算法基础上,提出一种将粒子群算法与k均值算法相结合产生基于粒子群的k均值算法(PSO-k均值算法)。用KD...  (本文共3页) 阅读全文>>

《农业系统科学与综合研究》1995年04期
农业系统科学与综合研究

模糊C-均值算法在马尾松子代分级上的应用

在介绍模糊C-均值算法的基础上,并把它应...  (本文共3页) 阅读全文>>

武汉理工大学
武汉理工大学

K均值降维的局部二值模式人脸识别算法研究

人脸识别作为一种典型的模式识别问题,它主要涉及图像的采集、分析、处理以及判别分类等方面。随着科学技术的快速发展,人脸识别技术得到了进一步的发展,但是仍然有难题需要解决。特征提取作为人脸识别的关键环节,在很大程度上直接影响系统的性能。近年来,局部二值模式算法因其优秀的纹理描述能力而得到了广泛的运用,利用局部二值模式提取人脸特征的方法也成为了研究的热门之一。但是局部二值模式算法也有其局限性,本文对其进行深入的研究,并从以下几个方面进行了改进:(1)针对局部二值模式算法提取局部特征不完整和不能提取全局特征的问题,提出了浮动局部二值模式和高维局部二值模式两种算法对其进行改进。由于这两种算法的改进思路不同且各有优势,因此对上述两种方法进行融合提出了一种超局部二值模式算法。超局部二值模式算法不仅具有浮动局部二值模式提取邻域边缘特征的能力,而且具有高维局部二值模式提取全局特征的能力。实验表明,改进后算法的识别率都要高于经典的局部二值模式算法,...  (本文共67页) 本文目录 | 阅读全文>>

东北电力大学
东北电力大学

模糊C均值算法改进研究及应用

随着大数据时代的到来,一种通过计算机算法完成数据处理的技术——数据挖掘应运而生。聚类分析法在数据挖掘中属于无监督方法,可以自动从样本数据出发进行聚类,而在分析之前无需确定分类的标准。由于聚类分析上述的这些特点,使其在很多领域中都得到了广泛的应用。本文针对传统模糊C均值算法对初始中心敏感,聚类类别数确定困难,收敛速度缓慢且容易陷入局部最优等问题进行改进研究,得到了改进的模糊C均值算法IFCM(Improved Fuzzy C-means)。论文首先从信息粒度的角度出发,运用粒度分析原理,根据信息粒度的内聚度和耦合度构造聚类有效性函数,通过有效性函数对聚类结果进行评价,然后采用点密度函数选取初始聚类中心,改进了传统算法随机选择初始化聚类中心的不足,使得算法收敛速度更快并且提高了聚类结果的有效性。针对聚类类别数不稳,采取逐次递减类别数合并聚类中心的方法,最后根据聚类有效性函数判断得到最佳聚类结果。通过仿真实验,证明了改进算法弥补了传统...  (本文共47页) 本文目录 | 阅读全文>>