多路径高斯核模糊C均值聚类算法
【出 处】:
【作 者】:
文传军
[1]
汪庆淼
[2]
【摘 要】聚类算法单一迭代路径限制了参数优值的搜索.提出一种多路径高斯核模糊C均值聚类算法(MGKFCMs),MGKFCMs算法首先取核目标函数及模糊隶属度函数中的核函数为高斯核函数;然后利用梯度法得到聚类中心迭代公式,并基于该迭代公式和粒子群算法作聚类中心的并行参数迭代,在每一次聚类迭代时,选择聚类目标函数值小的路径作为参数迭代最终路径.对比分析了MGKFCMs算法的相关性质,通过仿真实验验证了所提算法的有效性.
相关热词搜索: 核方法 模糊聚类 高斯核 聚类中心 多路径迭代
上一篇: 采用磁传感器的餐厅服务机器人导引控制方法
下一篇: 基于随机森林的老年人居住偏好预测研究