1) NNC algorithm
最近邻动态聚类
3) nearest neighbor clustering
最近邻聚类
1.
Moreover,the nearest neighbor clustering algorithm is adopted,and a second clustering algorithm is presented to overcome the sensitivity of the nearest.
聚类采用最近邻聚类算法,并提出第二次聚类算法来改进最近邻算法对输入次序敏感的问题。
2.
A new method for fuzzy modeling based on a nearest neighbor clustering and vector fuzzy c-means algorithm(FCMV) is presented.
其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。
3.
The algorithm for s electing the radial basis function center is the nearest neighbor clustering al gorithm.
将 RBF神经网络应用在股市趋势预测中 ,RBF网络中心点的选取采用最近邻聚类学习算法 ,以上证指数和基金裕阳为对象进行建模与预测 ,结果表明 ,此种网络具有较好的学习和泛化能力 ,在股市趋势预测中取得了较好的效果。
4) nearest neighbor cluster
最近邻聚类
1.
It adopts the nearest neighbor cluster learning algorithm,to self-adjust the centre-width and weight of radial basis function,in order to improve convergence speed and precision.
针对径向基函数网络在电力系统负荷预测中隐含层节点数难求问题,提出一种改进的RBF神经网络,采用最近邻聚类学习算法自适应的调整径向基函数中心的宽度值和权值,可提高收敛速度和精度。
5) nearest neighbor clustering algorithm
最近邻聚类算法
1.
Forecasting models are established by using radial basis function(RBF) neural network based on nearest neighbor clustering algorithm(NNCA) and autoregressive integrated moving average(ARIMA).
根据基于最近邻聚类算法(NNCA)的径向基(RBF)神经网络和自回归求和滑动平均(AR IMA)两种方法,建立了各自的单项预测子模型,并利用RBF神经网络对两个单项预测子模型结果进行组合预测,得到最终的预测值。
2.
By analyzing nearest neighbor clustering algorithm, a new nearest neighbor clustering algorithm is proposed.
在分析现有最近邻聚类算法所存在问题的基础上,提出了一种先利用均值规格化的思想来确定算法的初始半径,然后根据启发式规则修改聚类半径的新的最近邻聚类算法。
3.
The new algorithm brings in the Nearest Neighbor Clustering Algorithm to initialize the number and center of clustering.
该算法引入了最近邻聚类算法来初始化FCM算法的聚类数和聚类中心。
6) Nearest neighbor-clustering algorithm
最近邻聚类算法
1.
The RBF network based on improved nearest neighbor-clustering algorithm is introduced at first.
应用基于最近邻聚类算法的径向基函数(RBF)网络建立了军用无人机研制费用预测模型,并采用该模型对某型军用无人机研制费用进行了预测。
2.
The nearest neighbor-clustering algorithm has a short training time,less work to calculate and the number of hidden units is not to be determinated in advance in the various RBFNN learning algorithms,the network is optimization after clustering and can be trained on-line,it is an adaptive clustering algorithm for nonlinear real-time system.
在RBF神经网络的各种学习算法中,最近邻聚类算法学习时间短、计算量小,不需要事先确定隐单元的个数,完成聚类所得到的网络是最优的,并且可以在线学习,是一种自适应聚类学习算法,非常适合非线性实时系统的应用。
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