首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
本文提出了一种基于统计检验指导的聚类分析方法,该方法同时处理聚类趋势、聚类分析和聚类有效性三个数据分析中的关键问题,为模式无监督分类的合理性和有效性提供了分析工具。在大样本情况下更能体现该方法的优越性。实验结果证明了它的有效性。  相似文献   

2.
一种T-S模糊模型的聚类分析与辨识方法   总被引:1,自引:0,他引:1  
刘翠 《现代电子技术》2010,33(10):15-17
传统的模糊聚类分析方法分两个步骤,首先使用目标函数进行模糊生成,然后应用聚类有效性函数决定聚类的最佳数目。针对模糊形成和有效性验证函数的内在不同所导致的聚类不准确性,应用一种新的基于双目标模糊聚类分析(BOFCM)的聚类方法。同时将基于三角形隶属函数的T-S模糊系统应用于非线性系统辨识中,该方法可以很方便地确定输入空间的划分及隶属函数的形状,减少了计算量。将以上方法应用于一个二阶系统辨识分析,证实了该方法的有效性。  相似文献   

3.
聚类分析是时间数据序列分析的一种常用手段,现有的聚类算法通常从相似性度量方面进行改进.实际的时间序列数据往往具有一定的周期性和连续性,现有的算法往往忽略时间序列数据周期性和连续性特点对聚类算法的影响.对此问题进行了研究,尝试采用延拓的方法来解决该问题,从而改善聚类的效果.初步的实验结果表明了该方法的可行性和有效性.  相似文献   

4.
随着智能终端地普及,在校园无线网用户聚类研究中采用MAC地址作为用户区分已不能真实反映用户的行为,为此,提出了一个基于用户过滤的校园无线网用户聚类方法,该方法基于用户活跃度对用户行为数据进行过滤,在此基础上对校园无线网用户行为做进一步地聚类分析。实验结果表明了该方法的有效性。  相似文献   

5.
针对当前能源产业信息挖掘结果完整性差的问题,提出一种基于模糊聚类分析的能源产业信息自动挖掘建模方法。在模糊聚类分析算法中引入核学习算法,添加Gaussian核函数,搭建核模糊分析算法。确定核模糊分析算法的初始聚类中心,利用粒子群优化算法优化初始聚类中心,根据优化的初始聚类中心建立能源产业信息自动挖掘的目标函数,获取适应度值。根据适应度值与目标函数选择最佳个体,求解最佳个体的聚类有效性函数,解码输出聚类有效性函数最大时所对应的最优聚类数量与对应的聚类中心,以此搭建能源产业信息自动挖掘模型。实验结果表明,该模型可有效挖掘能源产业信息,在数据集规模不同的情况下该模型的调整兰德系数均较高,挖掘结果的完整性较高,自动挖掘效果佳。  相似文献   

6.
聚类集成是数据挖掘研究的一个热点。它是利用同一数据集的多个聚类划分集成在一起,以提高聚类分析的性能。当前相关研究大多没有考虑进行集成的聚类成员的质量,因此较差的成员会对集成结果产生不良影响。文中提出了一种基于加权co-occurrence矩阵的聚类集成算法(WCSCE)。该方法首先计算出聚类成员基于属性值的co-occurrence矩阵,然后对聚类成员的质量进行简单评价并赋予权重,生成加权co-occurrence矩阵,进而产生集成结果。最后通过实验验证了该算法的有效性,并提高了聚类质量。  相似文献   

7.
黄鹏飞  张道强 《电子学报》2008,36(Z1):50-54
 本文提出了一种用于聚类分析的加权聚类算法,通过利用拉普拉斯权,将聚类对象之间的结构信息自动转换为对象的权重.由于拉普拉斯权能够描述数据的邻域结构,从而能够更好的聚类.该加权聚类算法在性能上比经典聚类算法有较大改进,还具有对孤立点鲁棒、适合类别不平衡数据聚类、对聚类个数不敏感等优点.人工数据集以及UCI标准数据集上的实验证实了本文算法的可行性和有效性.  相似文献   

8.
基于模糊聚类分析的数据检索的应用   总被引:7,自引:4,他引:3  
为提高数据检索的效率,文章提出了一种将模糊聚类分析应用到数据检索中的方法。该方法以一种兼容值贴近和形贴近的新统计量——相似度为基础,采用凝聚的层次聚类方法对数据进行聚类,然后将聚类结果形成一个聚类中心文件,通过计算比较聚类中心和查询数据的相似程度来进行聚类检索。  相似文献   

9.
针对输电线路电力设备红外图像热故障区域检测,提出采用一种基于相似度阈值的模糊聚类热故障区域提取方法。在该方法中,改进了传统模糊均值聚类算法的迭代求解方式,采用一种阈值化模糊聚类;其次,通过对目标区域局部邻域像素的相似度聚类分析,并结合其隶属度的计算,确保局部邻域像素在聚类上的相似性。同时,引入了最大相似度阈值准则简化均值的设置以及自高向低的迭代方式,从而提升区域提取效率。最后通过真实输电线路电气设备红外故障图像测试,验证了文中所提方法的有效性和适用性。  相似文献   

10.
张鸿 《舰船电子对抗》2012,(1):79-82,85
为改善模糊C均值(FCM)聚类分析算法的性能,减少FCM聚类算法的误分率,提高FCM聚类算法的稳定性,提出了一种改进ReliefF加权FCM(IReliefF-WFCM)聚类算法。IReliefF算法改进了传统ReliefF算法的样本点选择方法,得到了更加稳定有效的特征权值。最后,将该IReliefF-WFCM算法用于数据集等实际数据的聚类分析。结果表明该方法是可行、有效的,为分类模式识别提供了一种误分率小的、稳定的方法。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号