这个算法的基础是误差平方和准则,为了要得到最优结果,首先要对样本集进行划分,一般的做法是先选择一些代表性的点作为聚类的核心,然后把其余的点按照某种方法分到各类中去。
Genetic k-means clustering algorithm program
利用模糊控制acrobot摆起,遗传算法对参数进程优化,使其摆起时间最短
针对模糊C-均值聚类算法对孤立点、随机初始化的聚类中心比较敏感的问题,将堆叠稀疏自编码与传统模糊C-均值聚类算法相结合,对传统模糊C-均值聚类算法进行了改进。由于堆叠稀疏自编码可以提取原始数据集从低层
为了更好地解决目前网格资源查找效率低下的问题,结合网格环境中普遍存在的资源相似现象,提出了基于遗传操作触发的粒子群混合优化算法的网格资源模糊C均值聚类, 对网格资源进行最大相似性聚类,通过设置触发条件
利用Learn思想对Cascade组合分类器进行了改进,提出了一种基于Cascade的增量式组合分类算法,并将之应用到肝脏图像的分类中。实验结果表明,与原有组合分类器相比,该增量式组合分类方法可以在保
模糊聚类算法具有较强的实用性,但传统模糊C均值算法(FCM)具有对样本集进行等划分趋势的缺陷,没有考虑不同样本的实际分布对聚类效果的影响,当数据集中各样本密集程度相差较大时,聚类结果不是很理想。因此,
传统的模糊C-均值聚类算法存在对初始聚类中心选择与噪声数据敏感,容易使目标函数陷入局部最优的问题,以及标准人工蜂群算法局部搜索能力及开发能力不强的缺点。针对这些问题,引进差分进化的思想改进人工蜂群算法
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
针对传统模糊C均值(FCM) 聚类算法对结构复杂图像分割效果不理想且算法执行效率较低的缺陷, 提出一种融合均值平移(mean shift) 的FCM聚类算法. 利用mean shift 算法将图像分成
