基于核函数的模糊C均值聚类算法

被引：5

作者：

潘庆丰 ^{[1
]}

陈水利 ^{[2
]}

陈国龙 ^{[1
]}

机构：

[1] 福州大学数学与计算机科学学院

[2] 集美大学理学院

来源：

关键词：

模糊C均值; 核函数; 特征空间; 聚类算法;

D O I：

10.19715/j.jmuzr.2006.04.018

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

通过引入M ercer核,把输入空间的样本映射到高维特征空间,实现了对样本在特征空间的优化,使各类样本之间的差别增大,从而较好地实现了对差别微弱的样本类之间的聚类.仿真实验的结果证实了该方法的可行性和有效性.

引用

页码：369 / 374

页数：6

共 5 条

[1]

神经网络原理[M]. 机械工业出版社 , (美)SimonHaykin著, 2004

[2]

支持向量机导论[M]. 电子工业出版社 , (英)NelloCristianini,（英）JohnShawe-Taylor著, 2004

[3] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

[4]

A mod ification to improve possib ilistic fuzzy c luster analysis. Timm H,Kruse R. /IEEE Proc.of the 2002 IEEEInt l Conf.on Fuzzy System s . 2002

[5]

Advances in Neural Information Processing Systems. Roth V,Steinhage V. MIT Press . 1999