期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于核的模糊聚类算法 被引量：5

A Fuzzy Clustering Algorithm Based on Kernel Method
下载PDF
导出
摘要 在聚类分析中,模糊c-均值算法是应用最广泛的聚类算法之一,针对该算法对初始化敏感,容易陷入局部极小点的缺点,论文提出了一种基于核的模糊聚类算法。在算法中将核方法与模糊可能性算法相结合,将模糊c-均值算法结果作为初始中心,放松了对隶属度归一化的条件,对噪声有更好的处理能力。IRIS数据和人造数据的实验结果表明该算法的有效性。 In cluster analysis,Fuzzy c-Means（FCM） algorithm is one of the most widely used methods.We present a kernel-based Fuzzy clustering algorithm for the sensitiveness to initialization and probability of falling into local optimum.The new KPCM integrates the Mercer kernel function and PCM algorithm,initialized with the results of FCM algorithm,without normalization,have the ability of dealing with noisy data.The experiment with IRIS data and synthetic data illustrates the effectiveness of the new algorithm.
作者 蔡卫菊 张颖超
机构地区 南京信息工程大学
出处 《计算机工程与应用》 CSCD 北大核心 2006年第18期173-175,共3页 Computer Engineering and Applications
基金 江苏省科技发展计划重点资助项目(编号:BR2004012)
关键词 模糊聚类 核方法模糊 C-均值算法 可能c-均值算法 Fuzzy clustering,kernel method,Fuzzy c-means algorithm,possibilistic c-means algorithm
分类号 TP312 [自动化与计算机技术—计算机软件与理论]
  • 相关文献

参考文献6

二级参考文献39

  • 1V Vapnik.The nature of statistical learning theory[M].New York:Sringer-Verlag, 1995
  • 2C J C Burges. A tutorial on support vector machines for pattern recognition[J].Data Mining and Knowledge Discovery, 1998;2(2): 121～167
  • 3B C J C Burges,A J Smola. Advances in kernel methods-support vector learning[M].Cambridge,MA:MIT Press,1999
  • 4S Mika,G Rttsch,J Weston et al. Fisher discriminant analysis with kernels[C].In:Neural Networks for Signal Processing Ⅸ.Piscataway,NJ:IEEE, 1999:41～48
  • 5S Mika,G Ratsch,J Weston et al.Invariant feature extraction and classification in kernel spaces[C].In:S A Solla,T K Leen,K-R Muller eds. Advances in Neural Information Processing Systems 12,Cambridge,MA:MIT Press,2000:526～532
  • 6G Baudat,F Anouar. Generalized discriminant analysis using a kernel approach[J].Neural Computation ,2000; 12(10) :2358～2404
  • 7B Scholkopf,A Smola,K-R Muller. Nonlinear component analysis as a kernel eigenvalue problem[J].eural Computation,1998;1O(6):1299～1319
  • 8S Mika,B Scholkopf,A J Smola et al. Kernel PCA and de-noising in feature spaces[C].In:M S Kearns,S A Solla,D A Cohn eds. Advances in Neural Information Processing Systems 11 ,Cambridge,MA:MW Press,2000: 526～532
  • 9B Scholkopf,S Mika,C J C Burges et al. Input space versus feature space in kernel-based methods[J].IEEE Trans on Neural Networks,1999; 10(5): 1000～1017
  • 10A Smola,B Scholkopf. A tutorial on support vector regress[J].Statistics and Computing,2001

共引文献94

同被引文献40

引证文献5

二级引证文献4

计算机工程与应用
2006年 第18期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部