期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种协同的FCPM模糊聚类算法
被引量:
9
1
作者
祁宏宇
吴小俊
+1 位作者
王士同
杨静宇
《模式识别与人工智能》
EI
CSCD
北大核心
2010年第1期120-126,共7页
比重隶属度模糊聚类(FCPM)算法可从不同角度解决聚类问题,取得较好效果.协同聚类算法利用不同特征子集之间的协同关系,并与其它聚类算法相结合,可提高原有的聚类性能.文中在FCPM聚类算法的基础上进行改进,将其与协同聚类算法相结合,提...
比重隶属度模糊聚类(FCPM)算法可从不同角度解决聚类问题,取得较好效果.协同聚类算法利用不同特征子集之间的协同关系,并与其它聚类算法相结合,可提高原有的聚类性能.文中在FCPM聚类算法的基础上进行改进,将其与协同聚类算法相结合,提出一种协同的FCPM聚类算法.该算法在原有FCPM聚类算法的基础上,提高对数据集的聚类效果.在对数据集Wine和Iris进行测试的结果表明,该方法优于FCPM算法,说明该方法的有效性.
展开更多
关键词
比重隶属度模糊聚类(
fcpm
)
模糊C均值(FCM)
协同模糊聚类
原文传递
适合大规模数据集的增量式模糊聚类算法
被引量:
17
2
作者
李滔
王士同
《智能系统学报》
CSCD
北大核心
2016年第2期188-199,共12页
FCPM算法已被成功地应用到模糊系统建模上,但其在某一类的聚类中心已知的大规模数据上的聚类性能较差。为了避免这个缺点,参照单程模糊c均值(SPFCM)聚类算法、在线模糊c均值(OFCM)聚类算法,提出了适合大规模数据集的增量式模糊聚类算法(...
FCPM算法已被成功地应用到模糊系统建模上,但其在某一类的聚类中心已知的大规模数据上的聚类性能较差。为了避免这个缺点,参照单程模糊c均值(SPFCM)聚类算法、在线模糊c均值(OFCM)聚类算法,提出了适合大规模数据集的增量式模糊聚类算法(Incremental fuzzy(c+p)-means clustering,IFCM(c+p))。通过在每个数据块中使用FCPM算法进行聚类,把每个数据块的聚类中心及其附近的一些样本点加入到下一个数据块参与聚类,同时添加平衡因子以提高算法聚类性能。同SPFCM、OFCM以及rse FCM算法相比,IFCM(c+p)对初始聚类中心不敏感。实验表明在没有花费很多运行时间的情况下,IFCM(c+p)算法的聚类性能比SPFCM算法和rse FCM算法更具优势,因此该算法更适合处理某一类聚类中心已知的大规模数据集。
展开更多
关键词
增量式模糊聚类
fcpm
IFCM(c+p)
平衡因子
大规模数据集
下载PDF
职称材料
结合模糊(C+P)均值聚类和SP-V-支持向量机的TSK分类器
被引量:
1
3
作者
徐明亮
王士同
《光学精密工程》
EI
CAS
CSCD
北大核心
2016年第3期643-650,共8页
为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行...
为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行聚类;然后根据聚类结果确定TSK分类器的模糊规则前件中的高斯隶属度函数的中心和宽度参数;最后采用成组稀疏约束SP-V-SVM算法对模糊规则后件参数进行学习,该算法不仅改善了系统的泛化性能,还使系统具有模糊规则自适应约简功能,使得系统更为紧凑。与相关算法在UCI和IDA标准数据集分类实验中的模糊规则数和分类性能对比表明:用提出的分类算法所构造的TSK分类器不仅具有较好的分类性能,而且模糊规则数少,有利于构建更为紧凑的模糊分类系统。
展开更多
关键词
TSK分类器
模糊规则
规则约简
模糊(C+P)均值聚类(
fcpm
)
SP-V-支持向量机(SVM)
下载PDF
职称材料
具有抗噪性能适用高维数据的增量式聚类算法
被引量:
10
4
作者
邵俊健
王士同
《计算机科学与探索》
CSCD
北大核心
2019年第9期1553-1566,共14页
针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心...
针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心的策略相结合,即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类,以避免FCM对噪声的敏感性。此外,所提出的聚类算法使用一种新的改进后的距离度量的同时,使用修正后的约束条件和目标函数。通过以上改进,可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度。实验结果表明,该算法对高维噪声数据具有很好的聚类效果和鲁棒性。
展开更多
关键词
高斯噪声
增量式聚类算法
距离度量
高维数据
fcpm
算法
下载PDF
职称材料
题名
一种协同的FCPM模糊聚类算法
被引量:
9
1
作者
祁宏宇
吴小俊
王士同
杨静宇
机构
江南大学信息工程学院
南京理工大学计算机科学与技术学院
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2010年第1期120-126,共7页
基金
国家自然科学基金(No.60572034
90820002)
江苏省自然科学基金(No.BK2006081)资助项目
文摘
比重隶属度模糊聚类(FCPM)算法可从不同角度解决聚类问题,取得较好效果.协同聚类算法利用不同特征子集之间的协同关系,并与其它聚类算法相结合,可提高原有的聚类性能.文中在FCPM聚类算法的基础上进行改进,将其与协同聚类算法相结合,提出一种协同的FCPM聚类算法.该算法在原有FCPM聚类算法的基础上,提高对数据集的聚类效果.在对数据集Wine和Iris进行测试的结果表明,该方法优于FCPM算法,说明该方法的有效性.
关键词
比重隶属度模糊聚类(
fcpm
)
模糊C均值(FCM)
协同模糊聚类
Keywords
Fuzzy Clustering with Proportional Membership (
fcpm
), Fuzzy C-Mean (FCM), Collaborative Fuzzy Clustering
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
适合大规模数据集的增量式模糊聚类算法
被引量:
17
2
作者
李滔
王士同
机构
江南大学数字媒体学院
出处
《智能系统学报》
CSCD
北大核心
2016年第2期188-199,共12页
基金
国家自然科学基金项目(61272210)
文摘
FCPM算法已被成功地应用到模糊系统建模上,但其在某一类的聚类中心已知的大规模数据上的聚类性能较差。为了避免这个缺点,参照单程模糊c均值(SPFCM)聚类算法、在线模糊c均值(OFCM)聚类算法,提出了适合大规模数据集的增量式模糊聚类算法(Incremental fuzzy(c+p)-means clustering,IFCM(c+p))。通过在每个数据块中使用FCPM算法进行聚类,把每个数据块的聚类中心及其附近的一些样本点加入到下一个数据块参与聚类,同时添加平衡因子以提高算法聚类性能。同SPFCM、OFCM以及rse FCM算法相比,IFCM(c+p)对初始聚类中心不敏感。实验表明在没有花费很多运行时间的情况下,IFCM(c+p)算法的聚类性能比SPFCM算法和rse FCM算法更具优势,因此该算法更适合处理某一类聚类中心已知的大规模数据集。
关键词
增量式模糊聚类
fcpm
IFCM(c+p)
平衡因子
大规模数据集
Keywords
incremental fuzzy clustering
fcpm
IFCM(c+p)
balance factor
large data
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
结合模糊(C+P)均值聚类和SP-V-支持向量机的TSK分类器
被引量:
1
3
作者
徐明亮
王士同
机构
江南大学数字媒体学院
无锡环境科学与工程研究中心
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2016年第3期643-650,共8页
基金
国家自然科学基金资助项目(No.61202311
No.61272210)
江苏省青蓝工程资助项目(2014)
文摘
为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行聚类;然后根据聚类结果确定TSK分类器的模糊规则前件中的高斯隶属度函数的中心和宽度参数;最后采用成组稀疏约束SP-V-SVM算法对模糊规则后件参数进行学习,该算法不仅改善了系统的泛化性能,还使系统具有模糊规则自适应约简功能,使得系统更为紧凑。与相关算法在UCI和IDA标准数据集分类实验中的模糊规则数和分类性能对比表明:用提出的分类算法所构造的TSK分类器不仅具有较好的分类性能,而且模糊规则数少,有利于构建更为紧凑的模糊分类系统。
关键词
TSK分类器
模糊规则
规则约简
模糊(C+P)均值聚类(
fcpm
)
SP-V-支持向量机(SVM)
Keywords
TSK(Takagi-Sugeno-Kang) classifier, fuzzy rule
rule deduction
Fuzzy (C+P) Means (
fcpm
)clustering, SP-V- Support Vector Machine (SP-V-SVM)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
具有抗噪性能适用高维数据的增量式聚类算法
被引量:
10
4
作者
邵俊健
王士同
机构
江南大学数字媒体学院
出处
《计算机科学与探索》
CSCD
北大核心
2019年第9期1553-1566,共14页
基金
国家自然科学基金~~
文摘
针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心的策略相结合,即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类,以避免FCM对噪声的敏感性。此外,所提出的聚类算法使用一种新的改进后的距离度量的同时,使用修正后的约束条件和目标函数。通过以上改进,可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度。实验结果表明,该算法对高维噪声数据具有很好的聚类效果和鲁棒性。
关键词
高斯噪声
增量式聚类算法
距离度量
高维数据
fcpm
算法
Keywords
Gaussian noise
incremental clustering algorithm
distance measure
high dimensional data
fuzzy (c+p) means clustering (
fcpm
) algorithm
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种协同的FCPM模糊聚类算法
祁宏宇
吴小俊
王士同
杨静宇
《模式识别与人工智能》
EI
CSCD
北大核心
2010
9
原文传递
2
适合大规模数据集的增量式模糊聚类算法
李滔
王士同
《智能系统学报》
CSCD
北大核心
2016
17
下载PDF
职称材料
3
结合模糊(C+P)均值聚类和SP-V-支持向量机的TSK分类器
徐明亮
王士同
《光学精密工程》
EI
CAS
CSCD
北大核心
2016
1
下载PDF
职称材料
4
具有抗噪性能适用高维数据的增量式聚类算法
邵俊健
王士同
《计算机科学与探索》
CSCD
北大核心
2019
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部