来源:《微电子学与计算机》2018年第02期  作者:刘奕麟;安建成;
选择字号

优化的核模糊C均值聚类算法

收藏本文  分享

提出一种优化的核模糊C均值聚类算法(WBAKFCM).该算法首先通过改进蝙蝠算法(Weight bat Algorithm,WBA)确定最优聚类中心集合,然后用核模糊C均值聚类算法指导聚类划分.一方面,改进的蝙蝠算法在传统的蝙蝠算法中引入佳点集理论和速度权重,分别用于调节种群的初始化和个体位置的自适应更新.另一方面,在核模糊C均值聚类算法(Kernel Fuzzy C-Means,KFCM)中,选用了高斯核函数,从而将数据映射到高维特征空间进行聚类划分.实验结果表明,优化的核模糊C均值聚类算法在聚类准确率与时间效率上明显优于传统算法.(本文共计5页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>