梁鲜
- 作品数：6 被引量：10H指数：2
- 供职机构：长春理工大学计算机科学技术学院更多>>
- 发文基金：吉林省自然科学基金吉林省教育厅科研项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于处罚的K-均值优化算法被引量：1
- 2015年
- 判断聚类结果中是否存在误分类的簇,即簇中包含的样本不属于同一类。若存在,则在已有聚类结果上使用加权方案,处罚误分类的簇,输出新的聚类结果。若不存在,则输出已有聚类结果。限制簇集中存在误分类的簇,消除初始聚类中心对K-均值算法的影响,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在坏的初始化条件下,表现出更好的鲁棒性;在含有噪音的数据集中,表现出更好的抗噪性能;聚类效果更好。
- 谷欣超梁鲜曲福恒才华杨勇
- 关键词：聚类算法K-均值算法初始聚类中心聚簇
- 一种新的模糊聚类有效性指标
- 2015年
- 针对模糊C均值(FCM)算法聚类数需要预先设定的问题,提出了一种新的模糊聚类有效性指标。首先,计算簇中每个属性的方差,给方差较小的属性赋予较大的权值,给方差较大的属性赋予较小的权值,得到一种基于属性加权的FCM算法;然后,根据FCM改进算法得到的隶属度矩阵计算类内紧致性和类间分离性;最后,利用类内紧致性和类间分离性定义一个新的聚类有效性指标。实验结果表明,该指标可以找到符合数据自然分布的类的数目。基于属性加权的FCM算法可以识别不同属性的重要程度,增加聚类结果的准确率,使用FCM改进算法得到的隶属度矩阵定义的有效性指标,能够发现正确的聚类个数,实现聚类无监督的学习过程。
- 梁鲜曲福恒才华杨勇
- 关键词：模糊聚类模糊C均值算法有效性指标最佳聚类数
- 基于加权处罚的K-均值优化算法被引量：2
- 2015年
- 在各种聚类算法中,基于目标函数的K-均值聚类算法应用最为广泛,然而,K-均值算法对初始聚类中心特别敏感,聚类结果易收敛于局部最优。为此,提出基于加权处罚的K-均值优化算法。每次迭代过程中,根据簇的平均误差的大小为簇分配权值,构造加权准则函数,把样本分给加权距离最小的簇中。限制簇集中出现平均误差较大的簇,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在含有噪音的数据集中,表现出更好的抗噪性能,聚类效果更好。
- 梁鲜曲福恒杨勇才华
- 关键词：聚类K-均值算法初始聚类中心
- 一种高效的基于初始聚类中心优化的K-means算法被引量：6
- 2015年
- 为解决传统K-means算法初始质心的随机选取以及聚类过程中每个数据样本到聚类中心距离的重复计算问题,提出了一种高效的基于初始聚类中心优化的K-means算法,采用最小方差优化初始质心,通过存储每次迭代中所有数据点的簇标志和到最近聚类中心的距离并用于下一次迭代,避免了重复计算数据点到每个中心的距离。在UCI数据库中五个不同的数据集上进行了测试,对各个算法在聚类准则函数,运行时间以及迭代次数上进行实验结果比较,表明在不降低聚类性能的前提下,减少了迭代次数,缩短了聚类时间,证明了改进算法的有效性和高效性。
- 张晓倩曲福恒杨勇才华梁鲜
- 关键词：K-MEANS算法初始聚类中心
- 一种高效的全局K-均值算法被引量：1
- 2015年
- 针对全局K-均值算法时间复杂度大的问题,提出一种增量选择初始聚类中心的新方法。选择数据集中周围分布最密集的样本作为第一个初始聚类中心,选择最小化目标函数贡献大,并且和已有聚类中心距离远的样本作为下一个初始聚类中心。改进算法减少了增量选取初始聚类中心时的计算量,降低了时间复杂度。实验证明,改进算法与全局K-均值算法、快速全局K-均值算法相比,在不影响聚类效果的基础上,减少了聚类时间,与优化初始聚类中心的算法相比,聚类效果更优。
- 梁鲜曲福恒杨勇才华
- 关键词：聚类K-均值算法
- 一种可扩充型点播器系统
- 本实用新型涉及一种可扩充型点播器系统，属于播放器领域。包括柜体和点播器，柜体包括滑槽、点播器接口、电源通风孔，柜体侧壁安装有滑槽，柜体左右侧壁之间安装有点播器接口，柜体后部开设有电源通风孔；点播器外部包括通风散热孔、电源...
- 杨勇才华王博苑丽红梁鲜
- 文献传递
