基于改進(jìn)核模糊C均值類間極大化聚類MKFCM算法
大小：0.86 MB 人氣：1 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：聚類算法(12092)MKFCM(1464)
傳統(tǒng)的核聚類僅考慮了類內(nèi)元素的關(guān)系而忽略了類間的關(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)行聚類分析時(shí)，會(huì)造成邊界點(diǎn)的誤分問題。為解決上述問題，在核模糊C均值（ KFCM）聚類算法的基礎(chǔ)上提出了一種基于改進(jìn)核模糊C均值類間極大化聚類（ MKFCM）算法。該算法考慮了類內(nèi)元素和類間元素的聯(lián)系，引入了高維特征空間的類間極大懲罰項(xiàng)和調(diào)控因子，拉大類中心間的距離，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%
