您好，欢迎来电子发烧友网！ ，新用户？[免费注册]

您的位置：电子发烧友网>源码下载>数值算法/人工智能>

基于惩罚因子的样本隶属度改进算法

大小：0.78 MB 人气： 2017-12-12 需要积分：1

推荐 + 挑错 + 收藏(0) + 用户评论（0）

前往下载地址

分享到:

标签：聚类(14136)模糊C均值(1228)

　　针对传统模糊C均值（FCM）算法在聚类过程中存在收敛速度慢、对大数据处理实时性不强等问题，提出了一种基于惩罚因子的样本隶属度改进算法。首先分析抑制式模糊C均值（ SFCM）聚类特点，研究惩罚因子对样本隶属度修正的触发条件，进而设计出基于惩罚因子的SFCM聚类隶属度动态修正算法。通过算法实现样本向“两极移动”，达到快速收敛之目的。理论分析与实验结果表明，在相同的初始化条件下，改进算法的执行时间效率比传统FCM算法提高约40%，比基于优化选择的SFCM（ OS-SFCM）算法提高l0%，其聚类准确度与其他两种算法相比也有一定的提高。
 

非常好我支持^.^

(0) 0%

不好我反对

(0) 0%

用户评论

发表评论即可获得积分！ 详见积分规则

      发表评论

      用户评论
      评价:好评中评差评

      发表评论，获取积分！ 请遵守相关规定！