动态加权模糊核聚类算法
为了克服噪声特征向量对聚类的影响,充分考虑各特征向量对聚类结果的贡献度的不同,运用mercer核将待聚类的数据映射到高维空间,提出了一种新的动态加权模糊核聚类算法.该算法运用动态加权,自动消弱噪声特征向量在分类中的作用,在对数据没有任何先验信息的情况下,不仅能够准确划分线性数据,而且能够做到非线性划分非团状数据.仿真和实际数据分类结果表明,数据中的噪声对分类结果影响较小,该算法具有很高的实用性.
模糊聚类、非团状数据、加权模糊核聚类、核函数、非线性划分
30
TP391.4(计算技术、计算机技术)
国家科技部支撑计划基金项日2006BAC11B01
2010-03-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
5584-5587