【摘 要】
：
原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在
【机 构】
：
同济大学电子与信息工程学院,同济大学嵌入式系统与服务计算教育部重点实验室,国家高性能计算机工程中心同济分中心
【基金项目】
：
国家自然科学基金（60475019 60970061）资助
论文部分内容阅读
原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在每一次迭代过程中,根据当前的数据划分状态,动态计算每个样本对于类的权重,降低了原有算法对初始权重的依赖。此外,该算法采用近似集合中的高斯距离比例来表现样本权重,从而可以在多种数据分布上得到更精确的聚类结果。实验结果表明,基于自适应权重的粗糙K均值算法是一种较优的聚类算法。
其他文献
高层综合从高级编程语言对系统的行为描述出发,把系统中的计算转移到可重构的硬件中,以加速系统运行。高层综合中生成有效的内存子系统尤为重要,特别是对于数据密集型的计算
集值信息系统是信息系统的一般化模型。在实际应用中信息系统随着对象的变化而不断地动态变化。讨论了相容关系下对象增加时近似集的变化规律,提出了在集值信息系统和集值决
N-gram字符是网络书写纹识别最有效的特征类型之一。针对其特征维数高、冗余特征多且无关特征少等特点,提出一种基于特征空间划分来构造集成学习分类器的网络书写纹识别方法。该方法首先根据一定的划分粒度,将初始特征集划分为等维度、无交叉的特征子集,然后基于每一个特征子集训练生成对应的基分类器(多元朴素贝叶斯),最后采用算术与几何平均相结合的融合策略完成集成学习分类器的构造。特征空间的划分(即特征子集的选
建模与仿真应用于产品全生命周期管理中,提高了产品开发、使用及维护的效率和质量。但随着产品复杂程度的提高,其建模与仿真的框架越来越复杂,对环境变化的适应性要求也越来
针对数字调制信号识别中特征参数数目多和特征冗余的问题,提出一种数字调制信号识别的特征参数优化方法。首先利用正交实验对常用的20个特征参数进行优化选择,然后利用RBF神
针对LBG算法依赖初始码书的问题,以贪婪树增长算法与码书间距最大化算法为基础,提出了一种新的LBG初始码书生成算法。该算法用贪婪树增长算法生成基础码书,再采用码书间距最
进化算法的理论研究,如收敛性、时间复杂性研究,是当前的一大热点和难点,有关的理论结果并不多。针对二元进化策略（1＋1）ES建立时齐马尔科夫过程模型,利用连续状态马氏过程理论证
GNU编译器集合（GCC）具有支持多种高级语言和多种目标处理器平台、文档及源代码开放等的特点,在工业界和学术界被广泛使用。GCC支持非常多的内嵌函数,内嵌函数是GCC编译器中非常
在ARM2410平台上提出了一套安防系统中嵌入式Web服务器的软硬件方案。该方案通过使用多进程模型构造HTTP引擎来提高服务器的反应速度,使用SESSION保存客户端和服务器端的连接
研究二维图像纹理传输问题,目前在二维纹理映射的传统算法中,主要通过基于纹理合成的传输算法实现纹理映射的效果。针对传统算法中基于纹理拼接导致迭代次数多、计算复杂度高的问题,为提高纹理映射的速度,提出了一种基于光照明模型实现纹理映射,产生纹理传输效果的算法。该算法主要采用Phong光照明模型对目标图像进行预处理形成虚拟表面,根据纹理图像和目标图像计算偏离映射角度,其次,参考图像的纹理特征根据偏离角度映