-
题名基于核的可能性聚类算法
被引量:8
- 1
-
-
作者
吕佳
熊忠阳
-
机构
重庆大学计算机学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2006年第13期2466-2468,共3页
-
文摘
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。
-
关键词
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
-
Keywords
clustering analysis
kernel function
fuzzy C-means
possibilistic C-means
kernel-based possibilistic C-means
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种鲁棒非平衡极速学习机算法
被引量:2
- 2
-
-
作者
孟凡荣
高春晓
刘兵
-
机构
中国矿业大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2014年第4期985-988,1004,共5页
-
基金
高等学校博士学科点专项科研基金资助项目(20110095110010)
国家"863"计划资助项目(2012AA011004)
-
文摘
极速学习机(ELM)算法只对平衡数据集分类较好,对于非平衡数据集,它通常偏向多数样本类,对于少数样本类性能较低。针对这一问题,提出了一种处理不平衡数据集分类的ELM模型(ELM-CIL),该模型按照代价敏感学习的原则为少数类样本赋予较大的惩罚系数,并引入模糊隶属度值减小了外围噪声点的影响。实验表明,提出的方法不仅对提高不平衡数据集中少数类的分类精度效果较明显,而且提高了对噪声的鲁棒性。
-
关键词
极速学习机
不平衡数据集
基于核的可能性模糊C-均值聚类
神经网络
-
Keywords
extreme learning machine(ELM)
imbalanced datasets
KPFCM
neural networks
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-