基于懲罰因子的樣本隸屬度改進算法
大?。?/span>0.78 MB 人氣： 2017-12-12 需要積分：1
針對傳統(tǒng)模糊C均值（FCM）算法在聚類過程中存在收斂速度慢、對大數(shù)據(jù)處理實時性不強等問題，提出了一種基于懲罰因子的樣本隸屬度改進算法。首先分析抑制式模糊C均值（ SFCM）聚類特點，研究懲罰因子對樣本隸屬度修正的觸發(fā)條件，進而設計出基于懲罰因子的SFCM聚類隸屬度動態(tài)修正算法。通過算法實現(xiàn)樣本向“兩極移動”，達到快速收斂之目的。理論分析與實驗結果表明，在相同的初始化條件下，改進算法的執(zhí)行時間效率比傳統(tǒng)FCM算法提高約40%，比基于優(yōu)化選擇的SFCM（ OS-SFCM）算法提高l0%，其聚類準確度與其他兩種算法相比也有一定的提高。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%