基于改進(jìn)核模糊C均值類(lèi)間極大化聚類(lèi)MKFCM算法
大小：0.86 MB 人氣： 2017-12-15 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：聚類(lèi)算法(12092)MKFCM(1464)
傳統(tǒng)的核聚類(lèi)僅考慮了類(lèi)內(nèi)元素的關(guān)系而忽略了類(lèi)間的關(guān)系，對(duì)邊界模糊或邊界存在噪聲點(diǎn)的數(shù)據(jù)集進(jìn)行聚類(lèi)分析時(shí)，會(huì)造成邊界點(diǎn)的誤分問(wèn)題。為解決上述問(wèn)題，在核模糊C均值（ KFCM）聚類(lèi)算法的基礎(chǔ)上提出了一種基于改進(jìn)核模糊C均值類(lèi)間極大化聚類(lèi)（ MKFCM）算法。該算法考慮了類(lèi)內(nèi)元素和類(lèi)間元素的聯(lián)系，引入了高維特征空間的類(lèi)間極大懲罰項(xiàng)和調(diào)控因子，拉大類(lèi)中心間的距離，使得邊界處的樣本得到了較好的劃分。在各模擬數(shù)據(jù)集的實(shí)驗(yàn)中，該算法在類(lèi)中心的偏移距離相對(duì)其他算法均有明顯降低。在人造高斯數(shù)據(jù)集的實(shí)驗(yàn)中，該算法的精度（ACC）、歸一化互信息（NMI）、芮氏指標(biāo)（RI）指標(biāo)分別提升至0.9132，0.7575，0.9138。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于改進(jìn)核模糊C均值類(lèi)間極大化聚類(lèi)MKFCM算法下載
相關(guān)電子資料下載
- 基于K-means聚類(lèi)算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類(lèi)算法 498
- 如何在 Python 中安裝和使用頂級(jí)聚類(lèi)算法 415
- 10種聚類(lèi)算法和Python代碼4 1118
- 10種聚類(lèi)算法和Python代碼3 960
- 10種聚類(lèi)算法和Python代碼2 796
- 10種聚類(lèi)算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺(jué)新范式！COCs：將圖像視為點(diǎn)集 636
- 10種頂流聚類(lèi)算法Python實(shí)現(xiàn)（附完整代碼） 989