熵加權多視角核K-means算法
大小：0.70 MB 人氣： 2017-12-17 需要積分：1
在基于視角加權的多視角聚類中，每個視角的權重取值對聚類結果的精度都有著重要的影V向。針對此問題，提出熵加權多視角核K-means（ EWKKM）算法，通過給每個視角分配一個合理的權值來降低噪聲視角或無關視角對多視角聚類的影V向，進而提高聚類的精度。EWKKM算法中，首先用核矩陣表示不同的視角，給每個視角分配一個權重；然后，利用信息熵計算出各個視角的熵權重；最后，按照定義的目標函數對各個視角的權重進行優化，使用核K-means進行多視角聚類。在UCI數據集及人工數據集進行實驗，實驗結果表明熵加權多視角核K-means算法能夠為每個視角分配一個最優的權重值，聚類的精確度優于已有的聚類算法，具有更穩定的聚類結果。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
熵加權多視角核K-means算法下載
相關電子資料下載
- 基于K-means聚類算法的圖像分割 1113
- 物體檢測與跟蹤算法 974
- 大學課程 數據分析 實戰之K-means算法（3）代碼優化 286
- 大學課程 數據分析 實戰之K-means算法（2）算法代碼 334
- 大學課程 數據分析 實戰之K-means算法（1）理論講解 412
- YOLOv5中的autoanchor.py代碼解析 1242
- K-means聚類算法指南 1040
- 基于距離的聚類算法K-means的設計實現 1939
- K-MEANS聚類算法概述及工作原理 3565
- 機器學習告訴你，新型冠狀病毒接下來將如何變異？ 6703