未确知均值聚类
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金资助(60874116;60940036);河北省自然科学基金资助(F2009000857)


Uncertain means clustering
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    利用未确知系统理论分析特征对样本分类所作贡献,定义特征的分类权重,并作为启发性知识用于确定样本与各类间的加权距离及样本属于各类的隶属度,建立未确知均值聚类算法。IRIS数据检验表明,未确知均值聚类算法误判样本数少、收敛速度快、鲁棒性好,是一种实用、有效的无监督聚类算法。

    Abstract:

    In this paper, we firstly defined the classified weight according to the contribution of feature to sample which was used to determined the memdetship degree of sample to each cass and the weighed dis- tance between sample and each class, and then we proposed a new algorithm -the uncertain means cluster ing. The data of IRIS indicates that the algorithm possesses the better convergence, better robustness二〔1 it is an unsupervised clustering algorithm.

    参考文献
    相似文献
    引证文献
引用本文

庞彦军,刘立民,刘开第.未确知均值聚类[J].河北工程大学自然版,2010,27(4):98-100

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-10-10
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2015-01-12
  • 出版日期:
文章二维码