| 简约支持向量聚类 |
| |
| 引用本文： | 凌萍,王喆,周春光,黄岚.简约支持向量聚类[J].计算机研究与发展,2010,47(8). |
| |
| 作者姓名： | 凌萍 王喆 周春光 黄岚 |
| |
| 作者单位： | 1. 符号计算与知识工程教育部重点实验室(吉林大学),长春,130012;徐州师范大学计算机科学与技术学院,江苏徐州,221116
2. 符号计算与知识工程教育部重点实验室(吉林大学),长春,130012 |
| |
| 基金项目： | 国家自然科学基金重点项目，国家"八六三"高技术研究发展计划基金，吉林省生物识别新技术重点实验室基金，吉林大学"211工程"三期建设基金，"符号计算与知识工程"教育部重点实验室基金 |
| |
| 摘 要： | 针对传统支持向量聚类(support vector clustering, SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering, RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完成优化过程.后者提出并证明了高斯核函数特征空间的几何性质,并以此设计方法完成对数据簇的辨识任务.理论分析和实验结果表明,和同类算法相比,RSVC可更有效地解决两个弊端,在实际应用中取得良好的聚类效果.
|
| 关 键 词： | 支持向量聚类 简约策略 薛定谔方程 新的簇划分方法 特征空间几何性质 |
Reduced Support Vector Clustering |
| |
| Ling Ping,Wang Zhe,Zhou Chunguang,Huang Lan.Reduced Support Vector Clustering[J].Journal of Computer Research and Development,2010,47(8). |
| |
| Authors: | Ling Ping Wang Zhe Zhou Chunguang Huang Lan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
