共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
传统方法直接设定聚类数量,得到的结果并非最优聚类数,且针对大规模电力数据,单一聚类方法无法同时达到聚类精度与效率两方面要求。为此,提出一种新的非线性季节型电力负荷曲线集成聚类算法。用DBI指标对聚类效果进行评价,将与DBI最小值相应的聚类数据作为最优聚类数量。通过模糊C均值聚类方法,依据原始非线性季节型电力数据对象间的相似程度,获取初始聚类中心。利用聚类性能更优、稳定性更高的层次聚类方法完成对聚类中心的组合,获取有效的集成聚类结果。实验结果表明,所提方法能够同时保证聚类精度与聚类效率,整体性能较强。 相似文献
3.
4.
为了提高模糊支持向量机在入侵检测数据集上的训练效率,提出了一种基于聚类的模糊支持向量机入侵检测算法.该方法可以对训练数据进行剪枝,有效地减少远离分类面的聚类边缘点的数量,同时在分类面附近保持较多的样本点,以靠近判别边界的聚类中心集合作为有效的训练样本集合对模糊支持向量机进行训练,减少了样本的训练时间,提高了算法的效率.实验结果表明该方法提高了模糊支持向量机的训练效率,而且对入侵检测是非常有效的. 相似文献
5.
模糊C均值(FCM)算法广泛地应用于模式识别、图像分割等领域。根据FCM算法存在对初始解敏感且迭代过程中计算量大的问题,本文提出了一种改进的算法:先通过精简数据集,减少算法迭代的时间;再使用密度函数法得到FCM算法的初始聚类中心,以减少FCM算法收敛所需的迭代次数。实验结果表明,改进后的算法较好地解决了类中心的初值化问题,提高了算法的收敛速度和运行效率。 相似文献
6.
基于模糊商空间的模糊C-均值算法（QFCM）是在模糊商空间和模糊模糊C-均值（FCM）的基础上提出的。通过引入相似函数并构造出归一化距离,得到模糊商空间的分层递阶的结构,在此基础上提出了基于粒度思想的准则函数并选择出一个最佳层次,从而确定聚类的个数,并选择具有相似度高的样本作为初始聚类中心,结合鲁棒性统计观点运用归一化距离来替代FCM目标函数中的欧式距离度量,提出了QFCM算法。实验证明与传统的算法比较,QFCM算法能够自动确定最佳聚类数目,发现大小不均的聚类,迭代次数少,有效地消除了传统FCM算法对初始值敏感,提高了算法的稳定性和准确率。 相似文献
7.
针对传统的K-means算法运行的结果依赖于初始的聚类数目和聚类中心,本文提出了一种基于优化初始聚类中心的K-means算法.该算法通过量化样本间距离和聚类的紧密性来确定聚类数目K值;根据数据集的分布特征来选取相距较远的数据作为初始聚类中心,避免了传统K-means算法的聚类数目和聚类中心的随机选取.UCI机器学习数据... 相似文献
8.
基于OCA的客户细分研究 总被引：1，自引：1，他引：0
庞大而复杂的客户数据库,削弱了传统的客户细分方法的数据分析能力,使得传统方法的弱点更加突出.首先分析了传统细分方法对于细分客户初始条件敏感的弱点,然后提出用一种基于数据分组处理的聚类算法--客观聚类法,来进行客户细分.通过实证对比研究,结果显示客观聚类算法更加适合客户细分,具有无需预先指定聚类教的特点,使得细分结果更加准确. 相似文献
9.
10.
在分析folksonomy概念空间构建的可行性的基础上,对基于向量空间模型的传统聚类方法和概念空间模型的标签聚类方法进行比较,提出了基于概念空间模型的folksonomy聚类方法,并使用学术资源标注网站CiteUlike的真实标签数据集进行试验. 相似文献