居红云
- 作品数：3 被引量：41H指数：3
- 供职机构：江南大学信息工程学院更多>>
- 发文基金：教育部人文社会科学研究基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种SOM和GRNN结合的模式全自动分类新方法被引量：4
- 2007年
- 非监督学习算法的分类精度通常很难令人满意,而监督的学习算法需要人工选取训练样本,这有时很难得到,并且其分类精度直接依赖于所选取的学习样本。针对这些缺陷,提出一种非监督自组织神经网络(SOMNN)和监督的广义回归网络(GRNN)结合的全自动模式分类新方法。新方法首先通过SOMNN将原始数据进行自动聚类,再用所得的聚类中心以及中心邻近数据点训练GRNN,然后根据GRNN的分类结果重新计算聚类中心,再根据新的聚类中心和中心邻近点训练GRNN,如此反复,直至得到稳定的中心为止。Iris数据,Wine数据的实验结果都验证了新方法的可行性。
- 张俊本李朝峰居红云聂百胜
- 关键词：自组织神经网络粒子群优化算法
- 基于QPSO的模糊C均值聚类算法被引量：10
- 2008年
- 针对模糊C均值(FCM)聚类算法存在的缺点,利用量子粒子群优化(QPSO)算法的全局搜索能力,提出了一种新的聚类算法——基于量子粒子群优化的FCM聚类算法(QPSOFCM).QPSOFCM算法先对随机初始点利用QPSO进行优化,然后利用产生的中心点进行聚类,重复上述两步操作直至结果满意为止.新算法可以降低FCM算法对初始点的敏感度,一定程度上避免了FCM算法易陷入局部极优的缺陷.几组数据实验结果表明,与FCM和PSOFCM算法相比,提出的QPSOFCM算法聚类结果更可靠.
- 李朝锋居红云王琪
- 关键词：量子粒子群算法粒子群算法模糊C均值聚类
- 基于K-means与SVM结合的遥感图像全自动分类方法被引量：27
- 2007年
- 遥感图像分类方法通常采用监督的学习算法,它需要人工选取训练样本,比较繁琐,而且有时很难得到;而非监督学习算法的分类精度通常很难令人满意。针对这些缺陷,提出一种基于K-means与支持向量机(SVM)结合的遥感图像全自动分类方法。首先使用K-means聚类算法对样本进行初始聚类,根据每类中样本数及其稀疏程度选取一些点作为标记的学习样本训练SVM分类器,然后用SVM对原始数据重新分类。Iris数据和遥感数据的实验结果均验证了新方法的有效性。
- 居红云张俊本李朝峰王正友
- 关键词：K-MEANS支持向量机遥感图像分类
