计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
34期
158-160
,共3页
迭代增强%聚类%空间划分%弱学习
迭代增彊%聚類%空間劃分%弱學習
질대증강%취류%공간화분%약학습
提出了一种以迭代增强和空间划分为基础的模糊C均值聚类方法,利用弱学习理论在每次迭代之后将产生的训练集合重新归并,在原有划分集的基础上通过分布质量权重选举方法更新产生最优假设划分集,克服了传统的简单重复训练方法的聚类效果不理想的缺点.通过形状分类实验和聚类量化指标对比,证明了该方法具有分类质量高、形状分割彻底的优点.
提齣瞭一種以迭代增彊和空間劃分為基礎的模糊C均值聚類方法,利用弱學習理論在每次迭代之後將產生的訓練集閤重新歸併,在原有劃分集的基礎上通過分佈質量權重選舉方法更新產生最優假設劃分集,剋服瞭傳統的簡單重複訓練方法的聚類效果不理想的缺點.通過形狀分類實驗和聚類量化指標對比,證明瞭該方法具有分類質量高、形狀分割徹底的優點.
제출료일충이질대증강화공간화분위기출적모호C균치취류방법,이용약학습이론재매차질대지후장산생적훈련집합중신귀병,재원유화분집적기출상통과분포질량권중선거방법경신산생최우가설화분집,극복료전통적간단중복훈련방법적취류효과불이상적결점.통과형상분류실험화취류양화지표대비,증명료해방법구유분류질량고、형상분할철저적우점.
