10.3969/j.issn.1000-7024.2006.13.051
基于核的可能性聚类算法
针对模糊C-均值算法聚类分析时的缺陷,采用能够较好地处理噪音和孤立点的可能性聚类算法,并将核学习方法的思想应用于可能性聚类算法中,提出一种基于核的可能性聚类算法.该方法利用Mercer核将观察空间的待分类样本点经过一个非线性映射后,映射到一个高维的核空间,突出不同类别样本之间的特征差异,使得原来线性不可分的样本点在核空间中变得更加线性可分,从而更好地聚类.经仿真实验表明,基于核的可能性聚类算法比模糊C-均值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.
聚类分析、核函数、模糊C-均值、可能性聚类、基于核的可能性聚类
27
TP181(自动化基础理论)
2006-08-11(万方平台首次上网日期,不代表论文的发表时间)
共3页
2466-2468