基于样本加权的可能性模糊聚类算法 | |
刘兵 ; 夏士雄 ; 周勇 ; 韩旭东 | |
2015-09-01 ; 2015-09-01 | |
关键词 | 样本加权 可能性C-均值聚类 可能性模糊聚类 |
中文摘要 | 可能性模糊聚类算法解决了噪音敏感和一致性聚类问题,但算法假定每个待分析样本对聚类的贡献相同,导致离群点或噪声点对算法的干扰较强,算法迭代次数过大.为此,提出一种基于样本加权的可能性模糊聚类算法,新算法具有更快的收敛速度,对标准数据集和人工数据集加噪后的测试结果表明,该算法具有更强的鲁棒性,在有效降低时间复杂度的同时能够取得较好的聚类准确率. |
其他责任者 | 中国矿业大学计算机科学与技术学院 |
内容类型 | 期刊论文 |
源URL | [http://ir.calis.edu.cn/hdl/232060/10655] ![]() |
专题 | 中国矿业大学(徐州) |
推荐引用方式 GB/T 7714 | 刘兵,夏士雄,周勇,等. 基于样本加权的可能性模糊聚类算法[J],2015, 2015. |
APA | 刘兵,夏士雄,周勇,&韩旭东.(2015).基于样本加权的可能性模糊聚类算法.. |
MLA | 刘兵,et al."基于样本加权的可能性模糊聚类算法".(2015). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论