摘要:

模糊C-均值(FCM)聚类算法是非监督模式识别中应用范围最广泛的算法之一。但是传统的FCM算法中,设定样本的各维特征对分类效果的贡献水平是相同的。在实际中,由于特征提取不够完善,使得特征矢量中每维特征对分类的贡献不均匀,聚类中必须考虑各维特征的不同影响。本文提出建立了一种FCM特征权重的自适应算法。在该算法中制定了对聚类有效的两个原则:特征贡献平衡原则和类间分离度最大原则。根据这两个原则,对数据的各维特征进行归一化处理,实现其贡献的平衡性,然后利用特征加权,使得差异性大的特征对分类贡献更大。改进的FCM算法相对于传统的FCM算法有更强的无监督性和自动化,误分率小,得到的聚类原型模式也更接近实际的类中心位置。同时通过结果还可以分析各维特征对分类的贡献程度,有效的进行特征提取和优选,这在实际应用中是非常方便的。 针对基于特征权重的后验FCM学习算法程序化问题,进行了细致的研究。设计思路是利用已知样本集,选取部分作为初始训练样本集,然后通过改进的FCM算法进行多层分类,分类过程中要将相应的因素保存下来,构成分类训练器。程序语言是采用C语言和Matlab语言相结合的方式。 在程序实现过程中,为了使得类间距离足够大,程序实现了贴近度特征转换算法;对于过多的孤立样本,将根据万有引力思想构造的吸收化FCM算法进行了程序化;因为要进行多层循环分类,算法结构主要是采用的递归算法;程序产生的数据采用的线性链表和树形结构保存。 训练完成后,利用测试样本对程序进行了测试,结果显示分类效果良好。

展开

fcm算法c语言实现,基于特征权重的FCM算法研究及应用相关推荐

  1. WKmeans一种基于特征权重的聚类算法

    1 引例 在前面两篇文章中,我们首先介绍了KmeansKmeansKmeans聚类算法的原理:然后又介绍了一种基于KmeansKmeansKmeans进行改进的Kmeans++Kmeans++Kmea ...

  2. 灰狼算法 c语言 代码,基于灰狼优化的模糊C—均值聚类算法

    谢亮亮+刘建生+朱凡 摘要:针对模糊C-均值聚类算法(FCM)存在易受初始聚类中心影响和容易陷入局部最优的问题,提出了一种将灰狼优化算法(GWO)和模糊C-均值相结合的新聚类算法(GWO-FCM).该 ...

  3. 粗糙集分类算法c语言实现,基于粗糙集分类算法的研究及应用

    摘要: 粗糙集理论是1982年由波兰著名的科学家Z.Pawlak提出来的.它是一种能够有效的处理不精确,不确定性数据的数学工具,并且它还具有不需要任何的先验知识,只依赖于数据集本身等优点.粗糙集理论已 ...

  4. 人工免疫算法c语言程序,基于人工免疫算法的模拟电路故障诊断

    摘要: 模拟电路故障诊断一直以来都是十分必要和有意义的,目前已成为热门的研究课题.现代电子技术和计算机技术的迅速发展促进了片上系统和混合集成电路的大量涌现,这也对模拟电路的测试和故障诊断提出了更高的要 ...

  5. gn算法java_R语言构建蛋白质网络并实现GN算法

    R语言构建蛋白质网络并实现GN算法 1.蛋白质网络的构建 我们使用与人类HIV相关的蛋白质互作数据hunam-HIV PPI.csv来构建这个蛋白质互作网络. 在R中,我们可以从存储在R环境外部的文件 ...

  6. python分类算法的应用_Python基于sklearn库的分类算法简单应用示例

    Python基于sklearn库的分类算法简单应用示例 来源:中文源码网    浏览: 次    日期:2018年9月2日 [下载文档:  Python基于sklearn库的分类算法简单应用示例.tx ...

  7. slope one 推荐算法python 代码_基于协同的SlopeOne推荐算法原理介绍和实现

    Slope One 算法是由 Daniel Lemire 教授在 2005 年提出的一个 Item-Based 的协同过滤推荐算法. --文章概要 该篇文章主要介绍Slope One算法.Slope ...

  8. burg算法matlab求功率谱,基于AR模型的Burg算法功率谱估计.doc

    基于AR模型的Burg算法功率谱估计 三种功率谱估计方法性能研究 1.前言: 我们已经知道一个随机信号本身的傅里叶变换并不存在,因此无法像确定性信号一样用数字表达式来精确表达它,而只能用各种统计平均量 ...

  9. 无人车路径规划算法---(4)基于搜索的路径规划算法 II(贪心/Astar)

    上篇博客中介绍了一些基本的图搜索算法,其中也重点介绍了基于势场来实现的Dijkstra算法.本篇博客将介绍关于Heuristic Function的图搜索算法 开源了一个结合Dijkstra,Gree ...

最新文章

  1. Python之常用的高阶函数——abs、map、reduce、filter、sorted
  2. jQuery插件:超酷的多列网格式拖放插件gridster.js
  3. Linux虚拟文件系统解析
  4. java 课程设计表达式求值_NYOJ-35-表达式求值
  5. android aop 权限检查,AOP简单拦截实现验证权限功能
  6. Python flask 特殊装饰器 @app.before_request 和 @app.after_request 以及@app.errorhandler介绍
  7. c语言作业ce是什么错误代码,[求助]C语言实现ce搜索功能的两道题
  8. java 蓝桥杯算法提高 身份证号码升级(题解)
  9. Silverlight学习笔记四BusyIndicator控件(进度条)
  10. imx8 usb otg模式切换
  11. 计算机博弈程序python_程序员大神们的经典编程语录
  12. mysql大表修改字段_mysql 如何给大表添加字段
  13. 【总结】1050- Code Review流程规范
  14. odoo服务器设置说明
  15. word样式管理:如何对样式进行修改删除
  16. 加拿大OPC认为警方使用FRT违反隐私法,正在订立新法
  17. webview加载网页,tel协议不会调出拨号盘?该如何处理
  18. 微信小程序之picker选择器获取值得两种方法
  19. 实用糖尿病学读书笔记-第28章-糖尿病患者的教育
  20. 微型计算机的 I3 I5是,电脑i3和i5有什么区别

热门文章

  1. pandas遍历dataframe的行:迭代遍历dataframe的数据行、iterrows函数、itertuple函数
  2. R语言条件Logistic回归模型案例:研究饮酒与胃癌的关系
  3. R多变量相关性分析及相关性可视化
  4. python函数参数*arg和**kwargs分别代表什么?
  5. 被讨厌的勇气(讨厌我的人多了,你算老几)
  6. 特征交互(Feature Interaction)及多项式特征(PolynomialFeatures)
  7. R语言包_manipulate
  8. 机器学习-第六章 支持向量机(SVM)
  9. IBS illustrator for the presentation and visualization of biological sequences 中山大学
  10. Long Read Mapping at Scale: Algorithms and Applications