原创力文档- 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）