暂无评论
针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足，为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题，提出了一种自适应模糊[C]均值聚类的数据
在综合分析标准的模糊C-均值聚类算法和条件模糊C-均值聚类算法基础上，对模糊划分空间进行修改，进一步弱化模糊划分矩阵的约束，给出一种扩展的条件模糊C-均值聚类算法。算法的划分矩阵和原型不依赖于背景约束
模糊C-均值聚类算法(FCM)是一种结合模糊集合概念和无监督聚类的图像分割技术，适合灰度图像中存在着模糊和不确定的特点;但该算法受初始聚类中心和隶属度矩阵的影响，易陷入局部极小。利用混沌非线性动力学具
针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题，提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法（NLWFLICM）。在WFLICM算法的模糊影响因子
基于粒子群优化的模糊文本聚类研究，柴瑞敏，王月，针对模糊文本聚类算法对输入顺序以及初始点的敏感的问题，提出了一种粒子群群优化的改进模糊聚类算法。该算法采用粒子群优化算法
论文研究-空袭目标类型的模糊识别与聚类研究.pdf, 在研究空袭目标类型识别聚类的基本模型基础上,建立了基于关键特征矩阵的识别聚类改进模型.并通过实例分析进行验证,模糊识别聚类结果与专家评定结果是相
为了精确获得车辆跟驰模糊推理系统的隶属度函数，避免因采用专家法而使模糊推理结果的误差增大，提出采用模糊聚类分析的方法，考虑车辆跟驰数据内部的关联性，并根据高斯函数中参数的统计学意义进行车辆跟驰模糊集的
针对传统的基于滑动窗口的数据流聚类算法存在的算法执行效率低、聚类质量较差等缺点,提出了一种基于混合差分进化的滑动窗口数据流聚类算法。该算法将数据流聚类过程分为两个部分:在线的时序窗口数据信息微簇特征向
直方图加权的FCM聚类算法研究，钱文华，喻超超，提出了一种基于灰度直方图加权的FCM聚类算法，针对静态输入图像，首先采用基于灰度直方图阈值分割的方法实现图像分割，为算法的实
概述了社区发现算法的研究现状;介绍了因分析对象的不同而产生的四类社区发现方法：矩阵谱分析方法、层次聚类方法、基于边图思想的方法和基于极大团思想的方法。对其中性能最优的层次聚类方法进行了详细的综述,并对
暂无评论