基于核函數的譜嵌入聚類KSEC模型
大?。?/span>0.83 MB 人氣： 2018-01-15 需要積分：2
譜嵌入聚類（SEC）算法要求樣本滿足流形假設，樣本標簽總是可以嵌入到一個線性空間中去，這為線性可分數據的譜嵌入聚類問題提供了新的思路，但該算法使用的線性映射函數不適用于處理高維非線性數據。針對這一問題，通過核化線性映射函數，建立了基于核函數的譜嵌入聚類（ KSEC）模型，該模型既能解決線性映射函數不能處理非線性數據的問題，又實現了對高維數據的核降維。在真實數據集上的實驗分析結果表明，使用所提算法后聚類正確率平均提高了13. 11%，最高可提高31. 62%，特別在高維數據上平均提高了16. 53%，而且在算法關于參數的敏感度實驗中發現算法的穩定性更好。所以改進后的算法對高維非線性數據具有很好的聚類效果，獲得了比傳統譜嵌入聚類算法更高的聚類準確率和更好的聚類性能。所提方法可以用于諸如遙感影像這類復雜圖像的處理領域。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于核函數的譜嵌入聚類KSEC模型下載
相關電子資料下載
- 對新輔助TCHP治療響應的HER2+乳腺癌空間蛋白質組特征 547
- 四種獲取內核函數地址的方法 850
- 使用輪廓分數提升時間序列聚類的表現 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1061
- 深度學習聚類的綜述 780
- 聚類分析中的機器學習與統計方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 支持向量機（核函數的定義） 637