排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
结合复杂网络研究的部分新理论成果和遗传算法的思想,提出一种新的分类方法。该方法将数据集按给定的相似度公式构造出具有社团结构的网络,在此网络的基础上用遗传算法的思想进行分类。算法引进社团模块度作为适应度函数,并且提出了节点归类错误率（NCM）对每次迭代产生的解进行纠错,提高了分类质量和速度。实验表明算法在分类精度和时间上都优于基于加权复杂网络特征的K—means聚类算法（WCNFC）。 相似文献
2.
基于加权复杂网络聚类的医学图像分类器研究 总被引：1，自引：0，他引：1
为了建立高效的肿瘤自动诊断系统,克服因医学MIR图像的复杂性带来的直接从图像中看出肿瘤及良、恶性质的困难,结合复杂网络社团划分的部分理论成果和K-mean聚类算法的思想,提出了基于加权复杂网络聚类的医学图像分类器.该分类器对医学图像进行预处理,建立图片特征库,构建图片加权复杂网络,在此基础上根据网络节点的加权网络特征值和连接度选取初始聚类中心进行聚类,有效地克服了传统K-mean聚类算法对初始化选值敏感性的问题,从而大大提高了分类精度.实验通过对某医院PACS系统中的部分MIR脑部图片进行分类,表明了该方法的分类精度比传统的K-mean聚类算法平均提高了8%左右. 相似文献
1