首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 703 毫秒

1.  关于FCM算法中的权重指数m的一点注记  被引次数:10
   于剑  程乾生《电子学报》,2003年第31卷第3期
    模糊c均值算法(FCM)是经常使用的聚类算法之一.使用模糊c均值算法时,如何选取模糊指标m一直是一个悬而未决的问题.部分文献根据实验结果建议最佳的权重指数可能位于区间 ,但大多数研究者使用m=2.本文阐述了FCM算法有效性与聚类有效性之间的理论联系,指出如果某个权重指数使得FCM算法作为聚类算法不能有效工作,则其不能作为最佳的权重指数.据此,我们进行了数据实验,数据实验结果说明了权重指数的最佳取值未必位于区间 .    

2.  基于初始聚类中心选取的改进FCM聚类算法  被引次数:11
   张慧哲 王坚《计算机科学》,2009年第36卷第6期
   针对模糊C-均值(Fuzzy C-Means,FCM)算法聚类效果往往受到初始聚类中心影响,收敛结果易陷入局部极小的问题,提出了一种改进的模糊C均值聚类算法.算法给出了一种简洁快速的初始聚类中心的选取规则,并根据聚类中心的分离特性改进了目标函数,从而使获得的聚类结果为全局最优.仿真结果证明新算法与传统FCM方法相比,迭代次数少,准确率高,同时也更加适用于样本数据分类不均衡的聚类问题.    

3.  模糊聚类的有效性分析  
   李爱生 柳健《无线电工程》,1991年第21卷第3期
   聚类算法在数据分析与图象处理等许多方面应用十分广泛,尤其是模糊C均值(FCM)聚类算法受到人们的普遍重视。象其它聚类算法一样,进行FCM聚类时,需事先确定一些参数,如:聚类类别数C模糊加权指数m、向量范数等。如何确定数据的最佳分类,使之能准确真实地反映实际数据的内部结构,这就是聚类的有效性问题。本文在实验的基础上对FCM聚类算法进行有效性分析,并提出了一个能表征FCM聚类有效性的启发性函数,得到了一些有用结论。    

4.  基于L-ISOMAP降维的快速模糊聚类算法  被引次数:1
   孙丽萍  丁男  王云中  马洪连《计算机工程与应用》,2011年第47卷第24期
   模糊C-均值聚类算法是非监督模式识别中广泛应用的算法之一。但是,FCM算法在迭代过程中需要大量的计算,尤其当特征向量维数较高时,使用聚类分堆训练,不仅效率低下,还有可能导致"维数灾难"。针对该问题,分析模糊C-均值聚类算法在高维特征分析过程中,聚类中心的求解问题是一个np-hard问题,为了提高模糊C-均值聚类算法在高维特征分析中的实时性与有效性,结合界标等距映射(L-ISOMAP)算法,提出了改进算法FCM-LI,先对样本初步分析,利用聚类结果及样本数据相关性,使用界标等距映射(L-ISOMAP)算法降维,在此基础上进一步分析,获得最终分析结果。通过实验证明,FCM-LI算法在高维数据分析过程中的有效性与实时性。    

5.  模糊c-均值算法和万有引力算法求解模糊聚类问题  
   谷文祥  郭丽萍  殷明浩《智能系统学报》,2011年第6期
   针对单纯使用模糊c-均值算法(FCM)求解模糊聚类问题的不足,首先,提出一种改进的万有引力搜索算法,通过一定概率按照不同方式对速度进行更新,有效增大了种群的搜索域.其次,提出了模糊万有引力搜索算法(FG-SA).最后,在模糊万有引力搜索算法(FGSA)和模糊c-均值算法(FCM)的基础上,提出了一种新算法(FGSAFCM)来求解模糊聚类问题,有效避免了单纯使用模糊c-均值算法时对初始值敏感且易于陷入局部最优的缺点.采用目标函数和有效性评价函数作为评价标准,选取10个经典数据集作为测试数据,实验结果表明,新算法比单一的模糊c-均值算法有更高的准确性和鲁棒性.    

6.  FCM型聚类算法的统一框架及其核推广  
   范明  田铮  赵伟《电子设计工程》,2013年第21卷第4期
   模糊C-均值(FCM)聚类模型是数据模式识别的一类重要工具。在FCM的基础上,结合了数据的类间离散度信息和空间约束信息,提出了FCM型算法的统一框架--Unified FCM,简称UFCM。针对UFCM算法难以处理非线性分类的问题,运用核技巧,得到核空间的UFCM算法--KUFCM。提出使用最短路作为数据点间的距离度量,提高了算法的聚类精度。实验表明,相对于FCM及其改进算法,KUFCM不仅提高了聚类算法的分类精度,而且改善了FCM型算法对噪声数据的稳健性。    

7.  基于模糊C均值聚类的医学图像分割研究  被引次数:1
   张 翡  范 虹《计算机工程与应用》,2014年第4期
   模糊C均值聚类算法(FCM)在硬C均值聚类的基础上有效地解决了医学图像分割中存在的模糊情况,通过建立表示图像中像素点与聚类中心加权相似度的目标函数,采用迭代优化的方法求解目标函数的极小值来确定最佳聚类。针对FCM算法中存在的对大样本数据分割速度慢、结果易受初始值影响、对噪声敏感、难以适应多种数据分布等缺陷,涌现出了大量的改进算法。对其中的部分改进算法进行综述,主要介绍快速FCM算法、基于初始值选取的FCM算法、基于空间邻域信息的FCM算法以及基于核函数的FCM算法等,并对其优缺点进行概要的总结和介绍。指出该算法进一步的研究方向。    

8.  基于约简数据集的FCM聚类算法  被引次数:1
   吕晓云  李星毅  施化吉《计算机工程与设计》,2010年第31卷第18期
   为了解决模糊C-均值(FCM)聚类算法在使用欧氏距离计算样本与类中心点的距离时计算量大的问题,提出了一种基于属性约简的FCM聚类算法.该算法根据粗糙集理论对初始数据进行属性约简,消除数据对象中的冗余值,然后再对约简后的属性集进行模糊聚类.实验结果表明,该算法能有效减少FCM算法的距离函数计算量,在不降低聚类精度的前提下,提高了FCM算法的执行效率.    

9.  聚类算法在基因表达数据分析中的应用研究  
   朱婵  许龙飞《计算机工程与应用》,2006年第42卷第15期
   针对传统聚类算法在基因表达数据处理中的不足之处,讨论了与计算智能技术相关的两种算法:模糊C均值算法(FCM)和遗传K均值算法(GKA),对FCM算法中类别数c和模糊指数m的选取进行了比较深入的研究,最后用实验数据对各算法性能进行了分析和比较。    

10.  基于二维直方图的图像模糊聚类分割新方法  被引次数:6
   甄文智  范九伦  谢维信《计算机工程与应用》,2003年第39卷第15期
   基于二维立方图的模糊聚类分割算法可以有效地抑制噪声的干扰。但是,FCM算法用于图像数据聚类时的最大缺陷是运算的开销太大,这就限制了这种方法在图像分割中的应用。该文根据FCM算法和灰度图像的特点,提出了一种适用于灰度图像分割的抑制式模糊C—均值聚类算法(S—FCM)。通过调节抑制因子α来提高分割速度和分类的正确率。实验结果表明,新算法对小目标灰度图像的分割效果优于FCM算法。    

11.  一种基于决策粗糙集的模糊C均值聚类数的确定方法  
   石文峰  商琳《计算机科学》,2017年第44卷第9期
   Fuzzy C-Means(FCM)是模糊聚类中聚类效果较好且应用较为广泛的聚类算法,但是其对初始聚类数的敏感性导致如何选择一个较好的C值 变得十分重要。因此,确定FCM的聚类数是使用FCM进行聚类分析时的一个至关重要的步骤。通过扩展决策粗糙集模型进行聚类的有效性分析,并进一步确定FCM的聚类数,从而避免了使用FCM时不好的初始化所带来的影响。文中提出了一种基于扩展粗糙集模型的模糊C均值聚类数的确定方法,并通过图像分割实验来验证聚类的效果。实验通过比对不同聚类数下分类结果的代价获得了一个较好的分割结果,并将结果与Z.Yu等人于2015年提出的蚁群模糊C均值混合算法(AFHA)以及提高的AFHA算法(IAFHA)进行对比,结果表明所提方法的聚类结果较好,图像分割效果较明显,Bezdek分割系数比AFHA和IAFHA算法的更高,且在Xie-Beni系数上也有较大优势。    

12.  应用改进粒子群优化的模糊均值聚类算法的暂态急定机组分群方法  被引次数:3
   张园园  龚庆武  陈道君  刘栋《电网技术》,2011年第35卷第9期
   针对模糊C-均值聚类方法(fuzzy C-means,FCM)应用于机组分群时存在易收敛于局部最优值的问题,提出了改进的粒子群优化(particle swarm optimization,PSO)的模糊C-均值聚类算法(PSO-FCM)用于机组分群的方法,并阐述了分群算法中关键参数的选取方法.为充分利用FCM多特征量分析的优点,同时引入了功角、角速度作为分群特征量,提出了利用同调性指标自适应确定分群数目的方法,分群时采用约1个摇摆周期的数据分析.理论分析和仿真结果表明,所提方法能够取得一致、稳定的分群结果,效果优于传统的模糊聚类方法.    

13.  属性—统计混合聚类算法研究  被引次数:2
   苏勇  吴小俊  王士同  刘同明《计算机工程与应用》,2001年第37卷第19期
   对属性-统计混合聚类算法进行研究。在属性均值聚类算法和Woodbury算法的基础上,对目标泛函进行改进,提出属性-统计混合聚类算法。文章证明了属性均值聚类算法和模糊C均值聚类算法(FCM)分别是属性-统计混合聚类算法的一个特例。    

14.  数据库关键条件属性集确定方法及应用  
   谢印宝  张佑生《计算机工程》,2000年第26卷第12期
   在大数据库中确定关键条件属性集,是使用基于粗集理论的集合论生成分类规则算法的重要步骤。该文在简述分类规则形成算法的基础上,对确定关键条件属性集的模糊聚类算法进行了详细的讨论,并给出该方法应用的一个实例。    

15.  基于粒子群模糊C-均值聚类在入侵检测中的应用  
   安德智  刘光明  章恒《自动化与仪器仪表》,2011年第2期
   在模糊C-均值(FCM)聚类算法基础上,提出一种将粒子群优化算法与FCM聚类算法相结合产生基于粒子群的C均值算法(PSO-FCM均值算法)。用KDD cup99数据集进行比较FCM算法和PSO-FCM算法检测性能。试验结果表明,PSO-FCM算法能够避免FCM算法固有的缺点,检测率提高和漏报率、误报率下降,并且有较高的检测性能。    

16.  区间二型模糊C均值聚类在图像分割中的应用  
   邱存勇  肖建《信息与电子工程》,2011年第6期
   聚类分析是非监督模式识别的重要分支,模糊C均值聚类算法(FCM)是其中的一类经典算法,然而该算法以一型模糊集为基础,无法处理数据集以及算法中的不确定性,为此引入区间二型模糊C均值聚类算法(IT2FCM)。二型模糊集处理不确定性的能力强于一型模糊集,基于二型模糊集的IT2FCM在处理不确定性时效果优于FCM算法。文章以图像分割为应用对象,比较IT2FCM和FCM算法的分割效果,实验证明IT2FCM较传统FCM有更好的抗噪性。    

17.  融合粗糙集和模糊聚类的连续数据知识发现  被引次数:55
   于达仁  胡清华  鲍文《中国电机工程学报》,2004年第24卷第6期
   知识自动获取是困扰基于知识的系统普遍推广应用的瓶颈,粗糙集理论是一种从历史数据中发现规则知识的数学工具。该文针对粗糙集方法应用于电厂与电力系统数据挖掘中存在的连续属性离散化问题,提出了基于模糊聚类的离散化方法。采用模糊C平均(FCM)算法离散连续属性,获得各类的聚类中心以及属性值隶属于各聚类中心的隶属度矩阵,得到离散化的数据。将粗糙集方法应用于离散化后的数据挖掘隐含在历史数据中的知识。最后进一步讨论了置信度、支持度等指标对规则的评价方法。给出的汽轮机轴系振动故障诊断规则获取算例验证了整个知识发现方案的可行性。    

18.  基于概率典型性和聚类排斥的无噪声模糊聚类方法  
   管涛  朱小燕《小型微型计算机系统》,2005年第26卷第9期
   提出了建立在概率典型性和聚类排斥基础上的一个新型无噪声模糊聚类方法RTCM,给出了它的迭代算法过程,并验证了它的收敛性.首先引述了一般的聚类方法,它们主要分为两种:噪声聚类,如模糊c均值(FCM)、可能模糊c均值(FPCM);无噪声聚类,如NC、PCM等,然后给出了RTCM算法模型和过程,并验证了它的局部收敛性.该算法解决噪声环境下的数据聚类问题,避免了重叠聚类.对比试验表明,该算法改善了噪声环境下FCM,NC、PCM、FPCM的聚类中心质量,有效地解决了PCM在近邻聚类数据中的聚类重叠问题.    

19.  基于人工鱼群算法和模糊C-均值聚类的洪水分类  
   汪丽娜《水利学报》,2008年第39卷第Z2期
   为了克服FCM算法依赖初值的缺点,将人工鱼群算法(AFS)引入模糊C-均值聚类,提出了一种新的聚类算法,应用于洪水分类研究。新算法将聚类中心看作食物源,通过样本抽样产生初始鱼群。利用人工鱼群算法全局寻优、快速收敛的特点,得到一个较优的初始聚类结果,再使用FCM算法进行局部搜索。避免了单纯的FCM算法因初值选取不当,而容易陷入局部最小的缺陷。同时新算法给出了洪水等级划分的科学依据。实验结果表明,新算法具有比FCM算法更好的性能表现,使得到的分类结果更加准确合理。    

20.  笛卡尔乘积下的FCM聚类研究  
   应飞  陈邦兴《计算机工程与应用》,2010年第46卷第34期
   针对于模糊c-均值(FCM)算法在初始聚类中心选取不佳的情况下容易产生聚类错误划分的情况,从FCM算法出发提出了一种基于笛卡尔乘积的FCM聚类算法(C-FCM),并分析了加权指数m对聚类分析的影响。C-FCM将聚类提高到更高维的空间,有效地避免了FCM 对初值敏感及容易陷入局部极小的缺陷。客运专线列控(TCC)评估测试项目对C-FCM的检验结果表明,与传统FCM算法相比,C-FCM算法更准确,效果更佳,对解决邻站数据包的划分问题是可行、有效的。    

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