| 核聚类算法及其在模式识别中的应用 |
| |
| 引用本文： | 吕佳.核聚类算法及其在模式识别中的应用[J].重庆师范大学学报(自然科学版),2006,23(1):22-24. |
| |
| 作者姓名： | 吕佳 |
| |
| 作者单位： | 重庆师范大学,数学与计算机科学学院,重庆,400047 |
| |
| 基金项目： | 重庆市教委科学技术研究项目(No.KJ050802)，重庆师范大学科研资助项目(No.05XLY003) |
| |
| 摘 要： | 将核学习方法的思想和可能性聚类算法相结合,提出一种基于核的可能性聚类算法,使其能够对非超球体、含有噪音和孤立点的数据进行有效的聚类。将该方法用于模式识别中,仿真实验表明,基于核的可能性聚类算法比模糊C-均值算法以及可能性聚类算法具有更好的聚类效果,且算法能够很快地收敛。
|
| 关 键 词： | 模式识别 核学习方法 模糊C-均值算法 可能性聚类算法 |
| 文章编号： | 1672-6693(2006)01-0022-03 |
| 修稿时间： | 2005年5月26日 |
Clustering Algorithm of Kernel and Its Application in Pattern Recognition |
| |
| LV Jia.Clustering Algorithm of Kernel and Its Application in Pattern Recognition[J].Journal of Chongqing Normal University:Natural Science Edition,2006,23(1):22-24. |
| |
| Authors: | LV Jia |
| |
| Abstract: | Combined kernel learning method with possible C-Means algorithm,a kernel-based possible C-Means algorithm is presented in this paper.Non-hyperspherical samples can effectively be clustered,so data of noise and outliers can be.Applied to pattern recognition,it is indicated that the algorithm has more clustering effect than fuzzy C-Means algorithm and possible C-Means algorithm and it can converge fast. |
| |
| Keywords: | pattern recognition kernel learning method fuzzy C-Means algorithm possibilistic C-Means algorithm |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《重庆师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆师范大学学报(自然科学版)》下载免费的PDF全文 |
