针对模糊聚类算法在样本特征不明显时不能取得很好的聚类效果, 以及现有的模糊聚类算法需要事先确定 聚类数, 随机性强、容易陷入局部最优等弱点, 将核函数和有效性函数引入到模糊聚类中, 提出了模糊核聚类的
区域产业模糊聚类方法及应用,王坚强,高阳,区域主导产业评价与选择是产业结构调整的核心,它关系到区域经济的发展和人民生活水平的提高。在产业选择与分类时,需要确定指标
基于模糊聚类对数字图形识别,谭军,,随着社会的不断发展,图形图像识别在现实生活中众多领域中参用的越来越广泛,在图形图像识别中最重要的环节就是对图形图像识别的
模糊C均值聚类算法可有效的解决遥感信息的不确定性和混合像元的划分。文中基于matlab平台、采用模糊C均值聚类对遥感影像进行分类,并运用混淆矩阵对分类结果进行了精度评定。实验结果表明,基于模糊C均值聚
模糊聚类
FCM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。-fuzzy clusters method
用电脑进行模糊聚类的研究。文章简述了用电脑如何操作并有相关的程序及模型简介
模糊C均值聚类Matlab源程序,结合数据进行实验,效果较好.
针对传统FCM算法对孤立点比较敏感,须预先指定聚类数目的缺陷,提出一种新的模糊聚类算法NSFCM,将其应用于文本挖掘中。NSFCM对数据对象的隶属度增加一个权值,以减少孤立点对聚类中心的影响。采用平均
设置聚类中心的模糊C均值大大的减少了迭代次数,matlab