1) sectional set fuzzy C-means algorithm
截集模糊C均值聚类算法
2) sectional set fuzzy C-means clustering
截集模糊C-均值聚类
1.
To reduce the training time of FSVM,the training samples are clustered by an effective sectional set fuzzy C-means clustering(S2FCM) firstly.
基于此,提出一种新的隶属度函数设计方法;同时,针对模糊支持向量机普遍存在因核函数计算量大,而导致训练时间长的问题,通过使用一种高效的截集模糊C-均值聚类方法对训练样本进行聚类,然后以聚类中心作为样本进行训练,以减少训练样本来提高训练速度。
5) FCM clustering algorithm
模糊C-均值聚类算法
1.
Modifying the objective function of FCM and introducing a variable as the parameter to control the tight degree of neighborhood effect present a spatial model to FCM clustering algorithm.
模糊C-均值聚类算法(FCM)已广泛地运用到MR图像的分割中。
6) fuzzy C-mean(FCM) clustering algorithm
模糊C均值(FCM)聚类算法
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