1) Semi-fuzzy clustering
半模糊聚类
1.
The basic idea is to extend Fisher linear discriminants to a novel semi-fuzzy clustering algorithm through a predefined fuzzy Fisher criterion function.
提出一种将最佳鉴别矢量集扩展到无监督模式下的方法,其基本思想是通过定义的模糊Fisher准则函数将Fisher线性判别扩展成一种半模糊聚类算法,通过该算法求得最佳鉴别矢量和模糊散布矩阵,进而构造出最佳鉴别矢量集。
2.
Based on fuzzy clustering model integrated with Kamel s semi-fuzzy idea,a new semi-fuzzy clustering algorithm is proposed,and the algorithm is used to detect leakage in pipeline.
管道泄漏监测可以看作是复杂的非线性分类问题,半模糊聚类算法是一种有效的分类工具。
2) semi-fuzzy kernel clustering
半模糊核聚类
1.
Aiming at problems existing in the area of multi-class pattern recognition with large number of catalogs,a hypersphere support vector machine classification method based on semi-fuzzy kernel clustering is proposed.
针对支持向量机在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球支持向量机分类方法。
2.
Aimed at the problems of support vector machines(SVM) for multi-class pattern recognition with large number of catalogs,a new method of hyper-sphere SVM multi-class classification based on semi-fuzzy kernel clustering is proposed.
针对支持向量机(SVM)在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球SVM分类方法。
3) Semi-Fuzzy C-mean Clustering
半模糊化聚类
4) semi-FCM
半模糊C均值聚类
5) fuzzy clustering
模糊聚类
1.
The application of fuzzy clustering analysis in the comfort evaluation of garment;
模糊聚类分析在服装舒适性评价上的应用
2.
Recognition of the key economic factors of petroleum industry equipment management based on fuzzy clustering;
基于模糊聚类的石油工业设备管理关键经济要素识别
3.
Optimized formation assignment for large-scale air fleet using fuzzy clustering and genetic algorithm;
基于遗传模糊聚类的机群编队最优分配方法
6) fuzzy cluster
模糊聚类
1.
A Fuzzy Cluster Analysis on Choice of Alternatives in Steel Enterprise Cooperation Innovation;
钢铁企业合作创新项目选择的模糊聚类分析
2.
Application of fuzzy cluster analysis in determining fingerprint spectrum of curcuma aromatica salib by pyrolysis gas chromatography;
模糊聚类分析法在郁金裂解色谱测定指纹图谱中的应用研究
3.
Application of fuzzy cluster analysis to water quality diagnosis pattern in circulating cooling water system;
模糊聚类应用于循环冷却水系统的水质诊断模式
补充资料：动态模糊聚类法
分子式：
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条