针对判别硬c-均值聚类(Discriminative Hard c-means,DHCM)算法存在对大样本数据聚类速度慢的问题,提出判别模糊c-均值(Discriminative Fuzzy c-means,DFCM)算法,即用DHCM中提出的核函数将原数据空间映射到特征空间后,再在特征空间使用...针对判别硬c-均值聚类(Discriminative Hard c-means,DHCM)算法存在对大样本数据聚类速度慢的问题,提出判别模糊c-均值(Discriminative Fuzzy c-means,DFCM)算法,即用DHCM中提出的核函数将原数据空间映射到特征空间后,再在特征空间使用模糊聚类算法实现数据聚类,并利用选取代表元的方法提高DFCM对大样本数据的执行效率。通过对真实数据的对比性实验可以验证DFCM的有效性。展开更多
文摘针对判别硬c-均值聚类(Discriminative Hard c-means,DHCM)算法存在对大样本数据聚类速度慢的问题,提出判别模糊c-均值(Discriminative Fuzzy c-means,DFCM)算法,即用DHCM中提出的核函数将原数据空间映射到特征空间后,再在特征空间使用模糊聚类算法实现数据聚类,并利用选取代表元的方法提高DFCM对大样本数据的执行效率。通过对真实数据的对比性实验可以验证DFCM的有效性。
