- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
优化核参数的模糊C均值聚类算法.pdf
第46卷第1期 吉林大学学报(工学版) v。1.46N。.1
2016年1月 JournalofJilin and
UniVersity(EngineeringEdition)
Technology Jan.2016
———————————————————————————————————一=
优化核参数的模糊C均值聚类算法
刘 云,刘 富,侯 涛,张 潇
(吉林大学通信工程学院,长春130022)
摘 要:核模糊C均值聚类算法(Kernel—based
C—means
fuzzy clusteringmethod,KFCM)的
性能受核参数的影响很大,然而实践中核参数的选择是极其困难的。为了解决这个问题,本文
基于样本在高维空间中的类内距离近、而类问距离远这一思路,提出了一种优化核参数的模糊
C均值算法(Parameter
optimation—based
KFCM,POKFCM)。该算法首先利用K均值方法
对样本集进行初始聚类,再通过比较实际核函数矩阵与理想核函数矩阵的相似性距离来确定
最优核参数,最后将优化的核参数应用于核模糊C均值聚类算法。在6组UCI数据集上进行
对比实验,结果表明POKFCM能有效地改善KFCM的聚类性能。
关键词:人工智能;核模糊C均值;核函数;参数优化
中图分类号:TP391文献标志码:A 文章编号:1671—5497(2016)01—0246—06
DOI:10.13229/j.cnki.idxbgxb201601037
Kernel—based
C-‘means
fuzzy method
clustering
basedon
parameter
optimization
LIUYun,LIU
Fu,HOUTao,ZHANGXiao
Communications
(Collegeof Engineering,Jilin
University,Ch口行gch“,z130022,Chi扎n)
Abstract:Kernel—basedC-means
Fuzzy Method(KFCM)isa common
Clustering methodfordata
。lustering·The ofKFCMis
performance affected
greatly the ofthe
by parameterkernelfunction.
whlJ¨heselectionofkernel is
parameter
文档评论(0)