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
5
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
一种初始化不敏感的谱聚类算法
被引量:
1
1
作者
孙大雷
孟凡荣
闫秋艳
《微电子学与计算机》
CSCD
北大核心
2012年第7期94-97,102,共5页
针对传统谱聚类算法初始化敏感引起的聚类效率与正确率不稳定问题,给出一种改进的谱聚类算法.该算法首先构造Laplacian矩阵并得到其特征谱空间,然后引入粒子群优化的FCM算法在该空间中寻找最优粒子作为初始类簇中心用以解决敏感问题.实...
针对传统谱聚类算法初始化敏感引起的聚类效率与正确率不稳定问题,给出一种改进的谱聚类算法.该算法首先构造Laplacian矩阵并得到其特征谱空间,然后引入粒子群优化的FCM算法在该空间中寻找最优粒子作为初始类簇中心用以解决敏感问题.实验表明,与传统谱聚类算法比较,该算法的聚类结果更稳定,在较高维数据集上聚类效率与正确率有明显提高.
展开更多
关键词
谱聚类
初始化敏感
粒子群优化
最优粒子
下载PDF
职称材料
启发式初始化独立的k-均值算法研究
被引量:
4
2
作者
王会青
陈俊杰
郭凯
《计算机工程与应用》
CSCD
2012年第11期129-132,160,共5页
针对传统k-均值算法对初始聚类中心敏感的问题,提出了启发式初始化独立的k-均值算法。该算法引入prim算法选择k个初始聚类中心,且通过设置阈值参数θ,避免同一类中的多个数据对象同时作为初始聚类中心,否则将导致聚类迭代次数增加,并得...
针对传统k-均值算法对初始聚类中心敏感的问题,提出了启发式初始化独立的k-均值算法。该算法引入prim算法选择k个初始聚类中心,且通过设置阈值参数θ,避免同一类中的多个数据对象同时作为初始聚类中心,否则将导致聚类迭代次数增加,并得到错误的聚类结果。与传统的k-均值算法和基于遗传算法的k-均值聚类算法相比,实验结果表明改进的算法不仅降低了初始聚类中心选取的随机性对聚类性能产生的影响,有效减少了聚类迭代次数,而且降低了离群点对聚类性能的影响,从而验证了算法的可行性和有效性。
展开更多
关键词
聚类分析
K-均值算法
PRIM算法
初始化敏感
聚类中心
下载PDF
职称材料
基于模糊K-harmonic means的谱聚类算法
被引量:
7
3
作者
汪中
刘贵全
陈恩红
《智能系统学报》
2009年第2期95-99,共5页
谱聚类作为一种有效的方法广泛应用于机器学习.通过分析谱聚类初始化敏感的实质,引入对初值不敏感的模糊K-harmonic means算法来克服这一缺点,提出一种基于模糊K-harmonic means的谱聚类算法(FKHM-SC).与传统谱聚类算法以及对初值敏感的...
谱聚类作为一种有效的方法广泛应用于机器学习.通过分析谱聚类初始化敏感的实质,引入对初值不敏感的模糊K-harmonic means算法来克服这一缺点,提出一种基于模糊K-harmonic means的谱聚类算法(FKHM-SC).与传统谱聚类算法以及对初值敏感的K-means、FCM算法相比,改进算法不仅可以识别有挑战性的人工数据,并且可以得到稳定的聚类中心和聚类结果,同时提高了聚类的精确度.实验结果表明了该算法的有效性和可行性.
展开更多
关键词
谱聚类
模糊K-harmonic
MEANS
初始化敏感
聚类中心
下载PDF
职称材料
基于中心自动融合的多尺度可能性聚类算法
被引量:
1
4
作者
胡雅婷
左春柽
曲福恒
《吉林大学学报(理学版)》
CAS
CSCD
北大核心
2014年第1期86-92,共7页
针对可能性聚类对初始化参数设置依赖性较强的问题,提出一种基于中心自动融合的可能性聚类算法,并证明了算法中尺度因子的多尺度性质.该算法通过建立中心的相关性判定准则,根据数据自身分布特点动态调整聚类数目与结构,通过引入尺度参...
针对可能性聚类对初始化参数设置依赖性较强的问题,提出一种基于中心自动融合的可能性聚类算法,并证明了算法中尺度因子的多尺度性质.该算法通过建立中心的相关性判定准则,根据数据自身分布特点动态调整聚类数目与结构,通过引入尺度参数实现对数据的多分辨率分析.与传统的模糊和可能性聚类算法相比,该算法摆脱了对聚类数目及初始化中心或隶属度矩阵设置的依赖性,易于控制.人造数据和真实数据实验结果表明,该算法能自动确定数据中不同尺度下的聚类结构,具有识别不同大小聚类结构的能力.
展开更多
关键词
可能性聚类
多尺度
中心融合
初始化敏感
性
下载PDF
职称材料
基于Canopy聚类的谱聚类算法
被引量:
8
5
作者
周伟
肖杨
《计算机工程与科学》
CSCD
北大核心
2019年第6期1095-1100,共6页
传统的谱聚类算法对初始化敏感,针对这个缺陷,引入Canopy算法对样本进行“粗”聚类得到初始聚类中心点,将结果作为K-Means算法的输入,提出了一种基于Canopy和谱聚类融合的聚类算法(Canopy-SC),减少了传统谱聚类算法选择初始中心点的盲目...
传统的谱聚类算法对初始化敏感,针对这个缺陷,引入Canopy算法对样本进行“粗”聚类得到初始聚类中心点,将结果作为K-Means算法的输入,提出了一种基于Canopy和谱聚类融合的聚类算法(Canopy-SC),减少了传统谱聚类算法选择初始中心点的盲目性,并将其用于人脸图像聚类。与传统的谱聚类算法相比,Canopy-SC算法能够得到较好的聚类中心和聚类结果,同时具有更高的聚类精确度。实验结果表明了该算法的有效性和可行性。
展开更多
关键词
K-MEANS
谱聚类
初始化敏感
CANOPY
下载PDF
职称材料
题名
一种初始化不敏感的谱聚类算法
被引量:
1
1
作者
孙大雷
孟凡荣
闫秋艳
机构
中国矿业大学计算机学院
出处
《微电子学与计算机》
CSCD
北大核心
2012年第7期94-97,102,共5页
基金
国家自然科学基金项目(50674086)
文摘
针对传统谱聚类算法初始化敏感引起的聚类效率与正确率不稳定问题,给出一种改进的谱聚类算法.该算法首先构造Laplacian矩阵并得到其特征谱空间,然后引入粒子群优化的FCM算法在该空间中寻找最优粒子作为初始类簇中心用以解决敏感问题.实验表明,与传统谱聚类算法比较,该算法的聚类结果更稳定,在较高维数据集上聚类效率与正确率有明显提高.
关键词
谱聚类
初始化敏感
粒子群优化
最优粒子
Keywords
spectral clustering
initialization sensitive
PSO
optimum swarm
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
启发式初始化独立的k-均值算法研究
被引量:
4
2
作者
王会青
陈俊杰
郭凯
机构
太原理工大学计算机科学与技术学院
出处
《计算机工程与应用》
CSCD
2012年第11期129-132,160,共5页
基金
国家自然科学基金(No.60970059)
国家科技支撑计划(No.2009BAH42B02)
+1 种基金
山西省自然科学基金(No.2008011040)
山西省青年基金项目(No.2011021013-3)
文摘
针对传统k-均值算法对初始聚类中心敏感的问题,提出了启发式初始化独立的k-均值算法。该算法引入prim算法选择k个初始聚类中心,且通过设置阈值参数θ,避免同一类中的多个数据对象同时作为初始聚类中心,否则将导致聚类迭代次数增加,并得到错误的聚类结果。与传统的k-均值算法和基于遗传算法的k-均值聚类算法相比,实验结果表明改进的算法不仅降低了初始聚类中心选取的随机性对聚类性能产生的影响,有效减少了聚类迭代次数,而且降低了离群点对聚类性能的影响,从而验证了算法的可行性和有效性。
关键词
聚类分析
K-均值算法
PRIM算法
初始化敏感
聚类中心
Keywords
clustering analysis
k-means clustering
prim algorithm
initialization sensitivity
clustering center
分类号
TP311.12 [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
基于模糊K-harmonic means的谱聚类算法
被引量:
7
3
作者
汪中
刘贵全
陈恩红
机构
中国科学技术大学计算机科学与技术学院
安徽省计算与通讯软件重点实验室
出处
《智能系统学报》
2009年第2期95-99,共5页
基金
国家自然科学基金资助项目(60775037)
教育部新世纪优秀人才支持计划资助项目(NCET-05-0549)
文摘
谱聚类作为一种有效的方法广泛应用于机器学习.通过分析谱聚类初始化敏感的实质,引入对初值不敏感的模糊K-harmonic means算法来克服这一缺点,提出一种基于模糊K-harmonic means的谱聚类算法(FKHM-SC).与传统谱聚类算法以及对初值敏感的K-means、FCM算法相比,改进算法不仅可以识别有挑战性的人工数据,并且可以得到稳定的聚类中心和聚类结果,同时提高了聚类的精确度.实验结果表明了该算法的有效性和可行性.
关键词
谱聚类
模糊K-harmonic
MEANS
初始化敏感
聚类中心
Keywords
spectral clustering
fuzzy K-harmonic means
initialization sensitivity
cluster centers
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于中心自动融合的多尺度可能性聚类算法
被引量:
1
4
作者
胡雅婷
左春柽
曲福恒
机构
吉林农业大学信息技术学院
吉林大学机械科学与工程学院
长春理工大学计算机科学技术学院
出处
《吉林大学学报(理学版)》
CAS
CSCD
北大核心
2014年第1期86-92,共7页
基金
国家科技支撑计划项目(批准号:2009BAE69B02)
吉林省教育厅"十二五"科学技术研究项目(批准号:2013-420)
+1 种基金
吉林农业大学科研启动基金(批准号:201135)
长春理工大学青年基金(批准号:XQNJJ-2011-10)
文摘
针对可能性聚类对初始化参数设置依赖性较强的问题,提出一种基于中心自动融合的可能性聚类算法,并证明了算法中尺度因子的多尺度性质.该算法通过建立中心的相关性判定准则,根据数据自身分布特点动态调整聚类数目与结构,通过引入尺度参数实现对数据的多分辨率分析.与传统的模糊和可能性聚类算法相比,该算法摆脱了对聚类数目及初始化中心或隶属度矩阵设置的依赖性,易于控制.人造数据和真实数据实验结果表明,该算法能自动确定数据中不同尺度下的聚类结构,具有识别不同大小聚类结构的能力.
关键词
可能性聚类
多尺度
中心融合
初始化敏感
性
Keywords
possibilistic clustering
multi-scale
center merging
initialization sensitivity
分类号
TP391.4 [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
基于Canopy聚类的谱聚类算法
被引量:
8
5
作者
周伟
肖杨
机构
湖北工业大学机械工程学院
出处
《计算机工程与科学》
CSCD
北大核心
2019年第6期1095-1100,共6页
基金
国家自然科学基金青年基金(51405144)
文摘
传统的谱聚类算法对初始化敏感,针对这个缺陷,引入Canopy算法对样本进行“粗”聚类得到初始聚类中心点,将结果作为K-Means算法的输入,提出了一种基于Canopy和谱聚类融合的聚类算法(Canopy-SC),减少了传统谱聚类算法选择初始中心点的盲目性,并将其用于人脸图像聚类。与传统的谱聚类算法相比,Canopy-SC算法能够得到较好的聚类中心和聚类结果,同时具有更高的聚类精确度。实验结果表明了该算法的有效性和可行性。
关键词
K-MEANS
谱聚类
初始化敏感
CANOPY
Keywords
K-Means
spectral clustering
initialization sensitivity
Canopy
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
作者
出处
发文年
被引量
操作
1
一种初始化不敏感的谱聚类算法
孙大雷
孟凡荣
闫秋艳
《微电子学与计算机》
CSCD
北大核心
2012
1
下载PDF
职称材料
2
启发式初始化独立的k-均值算法研究
王会青
陈俊杰
郭凯
《计算机工程与应用》
CSCD
2012
4
下载PDF
职称材料
3
基于模糊K-harmonic means的谱聚类算法
汪中
刘贵全
陈恩红
《智能系统学报》
2009
7
下载PDF
职称材料
4
基于中心自动融合的多尺度可能性聚类算法
胡雅婷
左春柽
曲福恒
《吉林大学学报(理学版)》
CAS
CSCD
北大核心
2014
1
下载PDF
职称材料
5
基于Canopy聚类的谱聚类算法
周伟
肖杨
《计算机工程与科学》
CSCD
北大核心
2019
8
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