| 优化KPCA特征提取下的FCM算法研究 |
| |
| 引用本文： | 蔡静颖,张永,张凤梅,谢福鼎.优化KPCA特征提取下的FCM算法研究[J].计算机工程与应用,2009,45(32):38-40. |
| |
| 作者姓名： | 蔡静颖 张永 张凤梅 谢福鼎 |
| |
| 作者单位： | 辽宁师范大学,计算机系,辽宁,大连,116081 |
| |
| 基金项目： | 国家自然科学基金，辽宁省博士启动基金，辽宁省教育厅科学技术研究项目 |
| |
| 摘 要： | 利用核函数主元分析(KPCA)方法对大样本、高维数据进行特征提取预处理,并结合文化算法(CA)选择最优或接近最优的核函数,将其用于模糊C均值(FCM)聚类中,不但有效地提取了样本的非线性信息,而且使样本维数得到约简。实验表明该方法具有较好的聚类效果和更少的训练时间。
|
| 关 键 词： | 核函数主元分析 文化算法 模糊聚类 |
| 收稿时间： | 2008-11-27 |
| 修稿时间： | 2009-2-3
|
Fuzzy C-Mean algorithm based on optimized KPCA feature extraction |
| |
| CAI Jing-ying,ZHANG Yong,ZHANG Feng-mei,XIE Fu-ding.Fuzzy C-Mean algorithm based on optimized KPCA feature extraction[J].Computer Engineering and Applications,2009,45(32):38-40. |
| |
| Authors: | CAI Jing-ying ZHANG Yong ZHANG Feng-mei XIE Fu-ding |
| |
| Affiliation: | Department of Computer，Liaoning Normal University，Dalian，Liaoning 116081，China |
| |
| Abstract: | Kernel PCA method extracts feature from large samples and high dimension data sets,combining CA to select optimized kernel function or near optimized kernel function.FCM based on the method not only effectively extracts the nonlinear information from the samples but also reduces dimension.Experiment shows its better clustering result and less train time. |
| |
| Keywords: | kernel principle component analysis cultural algorithm fuzzy clustering |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
|
