一种无监督数据驱动的学习算法
DOI:
CSTR:
作者:
作者单位:

河北工程大学不确定性数学研究所 河北 邯郸 056038

作者简介:

刘开第

通讯作者:

中图分类号:

TP391

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    用代表点替代类均值代表类,用加权距离替代欧氏距离作为样本与类之间的相似性度量,由此建立一种新的无监督数据聚类算法.提取指标对分类所作贡献大小的量化值,以此为启发性知识定义加权距离,建立了用质心修正当前代表点的迭代算法.与均值聚类等序贯算法不同,基于质心的迭代算法的批处理性可消除输入产生的随机性干扰.采用IRIS数据和BreastCancer数据验证了该算法的有效性.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

刘开第;庞彦军;周少玲;栗文国.一种无监督数据驱动的学习算法[J].控制与决策,2009,24(3):472-476

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2008-01-15
  • 最后修改日期:2008-04-28
  • 录用日期:
  • 在线发布日期: 2009-03-20
  • 出版日期:
文章二维码