1) cluster validity function
聚类有效性函数
1.
New cluster validity function based on the modified partition fuzzy degree;
一种基于修正划分模糊度的聚类有效性函数
2.
In this paper the cluster validity function is given,which is applied to estimate the rationality of clustering results.
同时,给出了聚类有效性函数对得到的聚类结果进行合理性判断。
3.
A cluster validity function-based method is proposed for solving the problem of clustering for area geographical entities when the number of cluster is unknown.
为解决聚类数未知条件下面状地理实体的聚类问题,文中提出了一种基于聚类有效性函数的聚类方法。
2) cluster validity
聚类有效性
1.
A Cluster Validity Function Based on Maximum Classification Information;
基于样本最大分类信息的聚类有效性函数
2.
Modified K-means algorithm based on new cluster validity index;
基于新聚类有效性函数的改进K-means算法
3.
The division of reservoir flood season is a multi-dimension time series cluster question of the unknown number of cluster,so the cluster methods are in demanded to hold the capacities of dealing with multi-dimension,time series and cluster validity.
鉴于目前常规聚类方法不同时具备这些能力,在模糊C-均值聚类和紧密与分离聚类有效函数的基础上,提出了能够处理高维时序聚类问题的动态模糊C-均值聚类分析方法和相应的时序聚类有效性函数,耦合二者建立了适用于汛期分期的有效模糊聚类分析方法,提出采用实码加速遗传算法优化求解,克服了模糊C-均值聚类方法常规迭代优化求解对初值敏感的困难,并给出了完备的建模步骤和模型的合理性检验。
3) clustering validity
聚类有效性
1.
Novel clustering validity function based on the geometry structure of data;
新的基于数据几何结构的聚类有效性函数
2.
Subsethood Measures Applied to Clustering Validity Judgement;
用于聚类有效性判定的包含度公式
3.
IRM-CFA&FCM couples skillfully fuzzy C-means clustering,correspondence factor analysis and clustering validity function discovered by Xie,etc,and is solved by the accelerating genetic algorithm efficiently.
为识别东湖污染物来源,建立排污口与主要致污因子之间的对应关系,提出了污染物来源智能识别方法;该方法巧妙耦合了对应分析、模糊C-均值聚类及聚类有效性函数等方法,并用加速遗传算法有效解决了这一复杂问题。
4) validity function
有效性函数
1.
In this paper,by using the Subtractive Clustering Method and clustering validity function,set up the clustering center point was and the clustering classes in this new method,auto-adapted clustered the data set was implemented,and applied this method to the segmentation for CT images.
针对模糊C均值聚类算法(FCM)聚类过程中,初始聚类中心通过随机产生、类别数的确定通过预定义的方式实现的问题,利用减法聚类(SCM)以及聚类有效性函数,实现对FCM聚类过程的聚类中心和聚类类别数自动进行设定,实现了数据的自适应聚类,并将其应用到了CT图像的自动分割中。
2.
This article aim at failing of convergence rate is too slow in the based on common FCM arithmetic and validity function arithmetic,because it use Gauss randomicity to update dimensions powers,use genetics to accelerate convergence rate.
针对文[1]提出了基于普通FCM算法和聚类有效性函数相结合的算法,并通过一个Gauss随机变量来更新维特征的权值的算法收敛速度慢,一般都要要迭代上千次的缺陷,引入遗传算法,来加速算法的收敛速度。
3.
The optimal feature number is decided automatically by the introduced cluster validity function.
该算法通过引入聚类有效性函数,实现了最优特征数目的自动确定。
5) Validity measure function
有效性函数
1.
Validity measure function is introduced to the kernel clustering algorithm, and it can get the sorts’ number automatically.
提出了基于角点特征和自适应核聚类的目标识别方法,将有效性函数引入核聚类算法中,提出了一种可动态估计聚类数目的自适应核聚类算法。
2.
Kernel function and validity measure function are introduced to the fuzzy clustering algorithm, and fuzzy kernel clustering self-adaptive algorithm is proposed.
针对模糊聚类算法在样本特征不明显时不能取得很好的聚类效果 ,以及现有的模糊聚类算法需要事先确定聚类数 ,随机性强、容易陷入局部最优等弱点 ,将核函数和有效性函数引入到模糊聚类中 ,提出了模糊核聚类的自适应算法 。
6) cluster validity analysis
聚类有效性分析
1.
In order to achieve cluster analysis with unknown number of clusters,this paper proposes a fast dynamic clustering algorithm based on clone selection,which is inspired by the clone selection principle of the vertebrate immune system and combines the cluster validity analysis.
为了在聚类数不确定的情况下实现聚类分析,通过借鉴生物免疫系统中的克隆选择原理并结合聚类有效性分析,提出了一种基于克隆选择的快速动态聚类算法。
2.
In order to achieve cluster analysis under the unknown amount of clustering,inspired by the clone selection principle of the vertebrate immune system and combining the cluster validity analysis,this paper proposed an immune-based dynamic fuzzy clustering algorithm.
为了在聚类数不确定的情况下实现聚类分析,通过借鉴生物免疫系统中的克隆选择原理并结合聚类有效性分析,提出一种免疫模糊动态聚类算法。
补充资料：函数逼近，函数类的极值问题
函数逼近，函数类的极值问题
ions, extremal problems in function dasses approximation of ftinc-
】f，r，(r’)一f(r，(r‘’)}《M】r’一r“}“(r’，，“。I一1，!])的f任Cr!一1，l]组成的函数类，则对于n一1次代数多项式子空间贝了在!一1，l]上所作的最佳一致逼近，下列关系式成立: 悠二E‘MH。，”‘”)‘一粤，‘6) ，、_一二，二，，，，、~刀、M，二、。，，r，、忽”厂‘““‘M附rH“，贝:’‘一誉{’·‘万一‘’‘““‘，‘7， r=l，2，…，将这些结果与周期情形下的相应结果进行比较是有所裨益的.当，=1时，(6)，(7)的右端分别等于M凡和M人r+1.如果放弃对最佳逼近多项式的要求，那么就可以获得较强的结果，这些结果实质上改善了在!一1，l]端点处的逼近并保持了整个区间上的最佳渐近特征.例如，对任何f6MH‘，存在代数多项式序列Pn以t)任灾矛，使得当n~的时，下列关系式在t6!一1，l]上一致成立:、f(!)一。。，‘)、·:{{;杯}“二‘一，!- =E(MHa，哭聋)。【(l一tZ)a·‘2+o(l)1.对M评百，(r=1，2，…)也有类似的结果(见【川).关于(最佳及插值型)样条逼近给定在区间上函数类的问题，若干精确及渐近精确的结果(主要是对于低阶样条)已公诸于世(见1151). 就(积分度量下的)单边逼近而言，关于上述函数类用多项式和样条进行最佳逼近的误差估计也已得到了一系列精确的结果(见【14]).在推导这些结果的过程中，实质上利用了最佳逼近在锥约束下的对偶关系. 对给定的函数类叨，寻求其(固定维数的)最佳逼近工具将导致确定所谓的宽度(widih)问题，亦即确定(参考(l)，(3)) 心(，之，幻=运fE(叭，贝，)x， 贝即 d沁(叭，X)==运f者(叭，叽、)，， 田阳(其中下确界取自X的所有N维子空间灾N(及其平移))，以及确定实现这些下确界的(最佳)极子空间问题.心与d万的上界可由E(叨，灾)x和g(叭，叭)x分别给出，对于具体的子空间贝，来说，E(绷，灾)x和扩(绷，哭N)x是已知的.宽度问题中的主要困难是获取下确界.在某些场合下，可借助于拓扑中的Borsuk对映定理丈见18』)而得到这些下确界.在用(。一1阶三角多项式)子空间，荔一，或(关于结点人司。亏数为1的。阶样条)子空间s皿解决函数类M吼及周期函数类wrH“的最佳逼近问题时，已知的上确界E(叭，巩、)x几乎在所有的情况下同时也就是这些函数类的心值.此外，对周期函数类还有姚。一1=姚。.特别有(见[7]，【8]，【1 51，【16」)dZ，l(附妥，C)=dZ。(W蕊，C)二dZ。一(W下.L一)= =dZ。
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