注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. FCM聚类算法的知识

  2. FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。本文介绍FCM具体算法，并介绍一些模糊集合的基本知识。

  3. 所属分类：其它

    • 发布日期：2009-12-30
    • 文件大小：60416
    • 提供者：Fantasylove85

  1. 一种改进的模糊C均值FCM聚类算法

  2. 一种改进的模糊C均值FCM聚类算法 改进 模糊C均值 FCM 聚类

  3. 所属分类：C

    • 发布日期：2010-04-26
    • 文件大小：254976
    • 提供者：rlightning

  1. 模糊C均值FCM聚类算法详解

  2. 模糊C均值 FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值 算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。 1973年，Jim Bezdek博士(现在是美国西佛罗里达大学退休教授，模糊数学领域泰斗)提出了该算法，作为早期硬C均值聚类（HCM）方法的一种改进。 深圳电信培训中心（中通信息培训中心）徐海蛟博士上课电子资料。

  3. 所属分类：其它

    • 发布日期：2011-04-01
    • 文件大小：65536
    • 提供者：helloabc99

  1. 基于改进FCM聚类的BT-SVM多类分类算法

  2. 利用粒子群算法对模糊C均值聚类算法进行了改进,在此基础上,结合二叉树支持向量机,构建了偏二叉树多类分类算法

  3. 所属分类：专业指导

    • 发布日期：2011-04-12
    • 文件大小：990208
    • 提供者：smlping

  1. 一种改进的模糊C均值聚类算法

  2. 针对模糊C均值（FCM）聚类算法中，聚类效果往往受到聚类数目和初始聚类中心影响这一问题，提出了基于平均信息熵确定聚类数目的方法，并采用密度函数法来获得初始聚类中心。

  3. 所属分类：互联网

  1. 基于改进FCM聚类算法的火灾图像分割.pdf

  2. 研究火灾识别问题, 火灾图像分割是火灾特征提取和识别的前提, 其分割效果直接影响火灾识别的准确率。针对现有 分割方法中存在的经验阈值难以确定和因彩色信息丢失导致分割不准确等问题, 为了准确识别火灾图像, 提出一种改进的 FCM 聚类的火灾图像分割方法。方法选用符合人眼视觉特性的H SI颜色空间, 根据数据分布特点确定色度分量H 和亮度 分量I的初始聚类中心, 分别在直方图特征空间进行模糊聚类处理, 并利用像素的空间信息对模糊隶属度函数做了改进, 最 后在由两分量的模糊隶属度组成的二维特征空间上

  3. 所属分类：其它

    • 发布日期：2011-07-20
    • 文件大小：2097152
    • 提供者：zhangqin0922

  1. 关于模糊C-均值(FCM)聚类算法的改进

  2. 关于模糊C-均值(FCM)聚类算法的改进关于模糊C-均值(FCM)聚类算法的改进

  3. 所属分类：其它

    • 发布日期：2011-09-13
    • 文件大小：465920
    • 提供者：huhuateng

  1. 模糊c均值聚类+FCM算法的c++代码

  2. FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊c均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。

  3. 所属分类：C/C++

    • 发布日期：2012-04-11
    • 文件大小：266240
    • 提供者：lk197

  1. FCM聚类分割算法

  2. FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。

  3. 所属分类：C++

    • 发布日期：2012-10-30
    • 文件大小：1048576
    • 提供者：fanfan610

  1. FCM聚类算法介绍

  2. FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。

  3. 所属分类：其它

    • 发布日期：2013-01-13
    • 文件大小：46080
    • 提供者：cyf355955144

  1. FCM聚类算法论文_报告

  2. FCM聚类算法介绍 FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分

  3. 所属分类：教育

    • 发布日期：2014-04-14
    • 文件大小：1048576
    • 提供者：u010258869

  1. FCM算法最优聚类数选取纵横谈

  2. FCM算法最优聚类数选取纵横谈，魏楠，吴文庆，本文基于FCM算法中最优聚类数的选择，总结和概括了基于此改进的FCM算法，并利用数值分析中先验以及后验估计的概念和特点对当前纷繁

  3. 所属分类：其它

    • 发布日期：2020-02-06
    • 文件大小：1048576
    • 提供者：weixin_38643141

  1. 基于粒子群优化的模糊C均值聚类算法*

  2. 针对模糊C均值聚类算法(FCM)存在对初始聚类中心敏感，易陷入局部最优解的不足，将改进的粒子群聚类算法与FCM算法相结合，提出了一种基于粒子群优化的模糊C均值聚类算法。该算法对粒子群初始化空间及粒子移动最大速度进行优化，同时引入环形拓扑结构邻域，提高粒子群聚类算法的全局搜索能力。对UCI中3个数据集进行仿真实验，结果表明提出的基于粒子群优化的模糊C均值聚类算法相比FCM算法和基本粒子群聚类算法具有更好的聚类效率和准确性。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：299008
    • 提供者：weixin_38606404

  1. 一种模糊聚类KNN位置指纹定位算法

  2. 阐述了位置指纹定位算法在室内WLAN环境中的应用，分析了KNN定位算法存在的不足，提出一种模糊聚类KNN位置指纹定位算法。该算法首先选取与空间相关性较好的4个信号参数，构成多径纹信号数据库；然后应用主分量分析法（PCA）对原始信号数据库作降维运算，滤除奇异性接入点（AP）；最后用模糊C均值聚类算法（FCM）处理数据，进一步滤除奇异性参考点（RP），实现提高定位算法效率与精度的目的。实验表明，改进后的定位算法产生的定位误差明显减小。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：436224
    • 提供者：weixin_38716556

  1. 改进的高效模糊C均值聚类算法

  2. 在数据采集过程中结合网格聚类算法提高计算效率，为了保存采样数据的分布特点引入权值。根据类别中心密度高、权值大的特征采用寻找连通分量的方法初步确定聚类中心，在此基础上结合自适应免疫算法，动态地确定聚类中心及其类别数。进而使FCM算法跳出局部最优，最大可能地得到全局最优解。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：310272
    • 提供者：weixin_38706100

  1. 基于量子粒子群的改进模糊聚类图像分割算法

  2. 提出了一种基于量子粒子群的改进模糊聚类图像分割算法。针对FCM图像分割算法对聚类中心初始值比较敏感的缺点，利用量子粒子群优化算法强大的全局搜索能力寻找最优解，能够有效降低图像分割算法对初始值的依赖程度；同时，用一种新的基于簇密度的距离度量公式来计算图像特征点与聚类中心点的距离，其在确定类中心时考虑数据集的全局信息，并且在迭代过程中采用动态隶属度，能够降低噪声干扰。仿真实验结果证明改进算法具有较好的性能。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：295936
    • 提供者：weixin_38681628

  1. 基于蚁群和自适应滤波的模糊聚类图像分割

  2. 为了改进模糊C均值聚类(FCM)算法对初始聚类中心敏感、抗噪性能较差、运算量大的问题，提出一种新的基于蚁群和自适应滤波的模糊聚类图像分割方法(ACOAFCM)。首先，该方法利用改进的蚁群算法确定初始聚类中心，作为FCM初始参数，克服FCM算法对初始聚类中心的敏感；其次，采用自适应中值滤波抑制图像噪声干扰，增强算法的鲁棒性；最后，用直方图特征空间优化FCM目标函数，对图像进行分割，减少运算量。实验结果表明，该方法克服了FCM算法对初始聚类中心的依赖，抗噪能力强，收敛速度快，分割精度高。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：355328
    • 提供者：weixin_38517095

  1. 一种新的模糊聚类有效性指标

  2. 针对模糊C均值（FCM）算法聚类数需要预先设定的问题，提出了一种新的模糊聚类有效性指标。首先，计算簇中每个属性的方差，给方差较小的属性赋予较大的权值，给方差较大的属性赋予较小的权值，得到一种基于属性加权的FCM算法；然后，根据FCM改进算法得到的隶属度矩阵计算类内紧致性和类间分离性；最后，利用类内紧致性和类间分离性定义一个新的聚类有效性指标。实验结果表明，该指标可以找到符合数据自然分布的类的数目。基于属性加权的FCM算法可以识别不同属性的重要程度，增加聚类结果的准确率，使用FCM改进算法得到的隶

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：246784
    • 提供者：weixin_38687539

  1. 基于减法聚类改进的模糊c-均值算法的模糊聚类研究

  2. 针对模糊c-均值（FCM）聚类算法受初始聚类中心影响，易陷入局部最优，以及算法对孤立点数据敏感的问题，提出了解决方案：采用快速减法聚类算法初始化聚类中心，为每个样本点赋予一个定量的权值，用来区分不同的样本点对最终的聚类结果的不同作用，为提高聚类速度采用修正隶属度矩阵的方法，并将算法与传统的FCM相比。实验结果表明，该算法较好地解决了初值问题，与随机初始化方法相比，迭代次数少、收敛速度快、具有较好的聚类结果。

  3. 所属分类：其它

    • 发布日期：2020-10-25
    • 文件大小：316416
    • 提供者：weixin_38612568

  1. 基于改进FCM和形态学的浮选泡沫形态特征提取

  2. 针对浮选过程中因气泡粘连及形状不规则导致泡沫形态特征难以提取的问题,提出一种基于改进模糊C均值(fuzzy C-means,FCM)聚类和数学形态学的浮选泡沫形态特征提取方法。引入聚类有效性指数及特征散度对模糊C均值聚类算法加以改进,并利用改进的聚类算法对泡沫图像进行聚类,得到泡沫大致区域。依据灰度分布和形状特征,采用面积重构开闭算法对图像进行除噪处理。基于形态重构方法思想,提出采用高低精度距离变换方法,同时,结合改进面积重构变换提取标志图像,进而利用分水岭算法对泡沫图像进行分割。通过测量分割区

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_38516491
« 12 3 »