排序方式: 共有22条查询结果,搜索用时 15 毫秒
1.
3.
4.
5.
对K-Harmonic Means算法进行扩展,考虑到数据点对不同类的隶属关系,将模糊的概念应用到聚类中,提出了模糊K-Harmonic Means算法,推导出聚类中心和模糊隶属度的迭代公式.在中心迭代聚类算法统一框架的基础上,推导出FKHM算法聚类中心的条件概率表达式以及在迭代过程中的数据加权函数表达式.最后,用Folkes & Mallows指标对聚类结果进行评价.实验表明,模糊K-Harmonic Means(KHM)算法在聚类对于初值不敏感的同时提高了聚类结果的精确度,达到较好的聚类效果. 相似文献
8.
9.
该控制算法以驱动高速剪切机的伺服系统为研究对象,将伺服系统设定为位置控制方式,通过单位时间内接收定位脉冲的个数来实现高精度速度的控制,由闭环反馈所得到的管材剪切误差和预报误差对单位时间内定位脉冲的个数加以调节,使得高速剪切控制具有自适应能力,可以很快地剪切误差收敛到允许范围内。 相似文献
10.
在分析了以前的多传感器空间数据配准算法的特点和不足之后,提出了一种新的算法———基于聚类的数据配准:在多目标的情况下,先采用模糊c-均值法对传感器同一单帧量测数据进行聚类,得到的聚类中心作为各目标点的理想位置参数,再将由各目标点计算出的某一传感器误差值进行平均得到此传感器的误差估计,然后将各帧得到的误差估计再进行平均实现传感器配准。这种算法优点是实时性较强,与配准模型无关。最后给出了的仿真结果与分析。 相似文献