基于模糊Fisher准则的半模糊聚类算法
该文针对线性可分数据提出一种鲁棒的基于模糊Fisher准则的半模糊聚类算法FFC-SFCA.FFC-SFCA通过模糊化散布矩阵,将模糊理论引入Fisher判别方法,通过对模糊Fisher准则函数迭代优化实现聚类.FFC-SFCA的优势在于具有很好的鲁棒性且可以获得可分性好的聚类结果,同时,可以求得最优鉴别矢量和分类闽值.实验证实了FFC-SFCA的有效性以及对两个常规聚类算法的优越性.
Fisher准则、半模糊聚类、最优鉴别矢量
30
TP181(自动化基础理论)
2004年教育部优秀人才支持计划NCET-04-0496;模式识别国家重点实验室开放课题,南京大学软件新技术国家重点实验室开放课题,教育部重点科学研究项目105087 国防应用基础研究基金项目A1420061266资助课题
2008-12-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
2162-2165