1) 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。
2) sectional set fuzzy C-means algorithm
截集模糊C均值聚类算法
3) fuzzy c-means clustering
模糊C均值聚类
1.
The analog circuits fault diagnosis based on fuzzy C-means clustering;
基于模糊C均值聚类的模拟电路故障诊断
2.
Segmentation of fat and lean meat in beef images based on fuzzy C-means clustering;
基于模糊C均值聚类的牛肉图像中脂肪和肌肉区域分割技术
3.
Brain MR image segmentation based on anisotropic Gibbs random field and fuzzy C-means clustering model;
基于Gibbs场与模糊C均值聚类的脑MR图像分割
4) fuzzy C-means clustering
模糊C-均值聚类
1.
Escaped toll analysis of ETC system customer data based on fuzzy C-means clustering;
基于模糊C-均值聚类的ETC系统客户的逃费分析研究
2.
In order to recognize the pollutant sources and build the correspondence relationships between contaminated sources and important pollutants,a set of intelligent recognizing method based on correspondence factor analysis and fuzzy C-means clustering(short for IRM-CFA&FCM) is developed.
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。
3.
To improve the accuracy of text clustering,fuzzy c-means clustering based on topic concept sub-space(TCS2FCM) is introduced for classifying texts.
为了改善文本聚类的准确度,提出用基于主题概念子空间的模糊c-均值聚类(TCS2FCM)方法来分类文本。
5) FCM
模糊C均值聚类
1.
A novel algorithm for discretization of continuous attributes in rough set theory based on FCM;
基于模糊C均值聚类的粗集理论连续属性的离散化新算法
2.
Based on the idea of combining models to improve prediction accuracy and robustness, the soft sensor model of the dry point of the first top naphtha is built by using FCM to divide a whole training dataset into several clusters with different centers.
应用多神经网络建立初顶石脑油干点软测量模型,首先采用模糊C均值聚类法将样本集分成具有不同聚类中心的子集,每个子集运用BP神经网络训练得出子模型,然后根据聚类后产生的隶属度将各子模型的输出加权求和获得初顶石脑油干点软测量值。
3.
With only pixel value information taken into account and non-robust Euclidean distance used as the distance measure standard, the classical Fuzzy C-means Clustering (FCM) algorithm lacks enough robustness in the image segmentation.
传统模糊C均值聚类(FCM)算法进行图像分割时仅利用了像素的灰度信息,并且使用对噪声较敏感的欧氏距离作为像素与聚类中心距离度量的标准,因此抗噪性能较差。
6) fuzzy C-means
模糊C均值聚类
1.
A new strategy for speaker recognition,triple-particle fuzzy C-means clustering(FCM),called TP-FCM,was proposed.
基于粒子群优化(particle swarm optim ization,PSO)提出一种说话人识别算法—三粒子模糊C均值聚类算法。
2.
The new algorithm is based on the principle of fuzzy C-means(FCM) clustering algorithm and the transiently chaotic neural network(TCNN) algorithm.
带容量约束的多车调度问题是典型的NP-hard问题,利用模糊C均值聚类算法的相似性分类原理及混沌神经网络的全局搜索能力和高搜索效率,提出了一种快速且易于实现的新的混合启发式算法。
3.
An algorithm on data association for multisensor multitarget tracking (MSMTT) based on fuzzy comparability and fuzzy C-means (FCM)is proposed.
利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法。
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