部分监督加权模糊C-均值算法的聚类分析

模糊C-均值(FCM)算法具有对样本集进行等划分趋势的缺陷,对于团状、每类样本数相差较大的数据集, FCM算法的最优解可能不是数据集的正确划分,基于以上原因,以少量的先验知识作为部分监督信息,再利用样本点分布密度大小作为权值,提出了一种新的部分监督加权模糊C-均值(PSWFCM)算法,并且该算法的加权系数的计算和点密度范围限定值的选取都具有客观性。仿真结果证明,PSWFCM算法不仅在一定程度上克服了FCM算法的缺陷,而且具有良好的收敛性和鲁棒性,聚类效果也有较好的改善。

一种部分监督的乳腺肿块检测方法

目的从医学影像中准确地提取出可疑肿块区域。方法通过引入主动相关反馈的思想,提出一种部分监督的乳腺肿块检测方法,在肿块区域预检测的基础上,主动提供部分可疑区域由专家(或用户)标定正负样本,通过几次交互反馈,最终得到待分析的肿块区域。结果方法能够较准确地提取出肿块区域,有效的去除检测结果中的假阳性区域。结论方法准确性较好,有助于计算机辅助诊断系统的进一步分析。

基于部分监督学习的WEB日志数据预处理

针对采集自客户端的Web数据,提出了一种基于部分监督学习的数据预处理方法.首先分析了数据清理的主要任务和样本数据的基本特征,然后采用基于部分监督学习的方法完成数据清理工作.该方法有两个核心步骤:(1)基于规则的学习完成正例标注,即获得训练集中的正例;(2)建立SVM分类器完成测试集中的正例标注.

基于标识的遥感影像部分监督模糊聚类

根据遥感影像的特点引入了部分监督模糊聚类的方法,并对其进行改进,加入了标识参数flagk,使其在训练过程中对参与计算的数据进行筛选,使得训练的速度加快,去除了非样本类数据对类心数据的影响,获得了较高精度的分类结果。

一种改进的FCM算法在手写数字识别中的应用

模糊c均值(FCM,Fuzzy c-Means)算法是一种非常实用的模糊聚类算法,在非监督模式分类中占据着重要的地位。而手写数字识别在现实中也有着非常广泛的应用,如邮政编码、统计报表、银行票据等等。在FCM算法基础上,加入部分监督信息,并对手写数字图像用Zernike矩来筛选特征,最后通过MATLAB编程,验证了该改进的FCM算法对手写数字识别具有一定的可靠性。

基于模糊聚类分析的多目标决策方法

当多目标系统中的决策目标和备选方案都较多时,决策分析就相当耗时费力。本文以决策论中的理想目标作为监督信息,利用模糊聚类分析中的部分监督模糊C-均值聚类算法,提出一种新的多目标决策方法,该方法不仅能识别最佳方案,而且能确定各备选方案的排序,以及属于理想目标的程度。

完善我国上市公司研发支出信息披露的建议

近年来，我国在研究开发经费方面的支出逐年增加，基本达到发达国家水平。上市公司外部信息使用者对信息需求也越来愈强烈，虽在新会计准则中，明确规定了企业应该披露计入当期损益认为无形资产的研发支出金额，但是这仍然不能满足信息使用者决策需求。因此，对信息披露进行系统的理论研究，并提出改善意见，已成为会计界现阶段又一新的重要课题。