安徽省高校省级自然科学研究项目(KJ2008B103)
- 作品数：4 被引量：24H指数：2
- 相关作者：储岳中徐波更多>>
- 相关机构：安徽工业大学南京航空航天大学更多>>
- 发文基金：安徽省高校省级自然科学研究项目国家高技术研究发展计划安徽省高校青年教师科研资助计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 一类基于高斯核的动态聚类算法研究被引量：2
- 2009年
- 通过研究核映射机理,提出了用于聚类分析的高斯核聚类算法.采用Mercer核映射将输入空间的样本映射到高维特征空间,在保持样本原有特征的基础上通过核映射使样本的差异性得到一定程度的放大.这样在特征空间中就可以采用传统的k-均值聚类方法,从而弥补k-均值聚类对于各样本的边界是线性不可分以及类分布为非高斯分布或为非椭圆分布时,其聚类效果较差的缺点.这种核聚类方法由于是对样本进行了预处理,增大样本差异的前提下对样本进行聚类,从而提高了聚类精度,获得较好的聚类效果.应用这一算法对几种典型分布的数据进行聚类实验,仿真结果表明高斯核聚类算法性能优于k-均值算法和模糊k-均值算法.
- 储岳中
- 关键词：高斯核核聚类算法核映射核函数
- 动态最近邻聚类算法的优化研究被引量：5
- 2011年
- 针对最近邻聚类算法对聚类半径敏感、不易获得最优解的问题,提出了基于贝叶斯信息测度BIC(Bayesianinformationcriterion)的优化方法。通过DBSCAN算法对初始数据集进行预处理,去除噪声数据。在参数空间内逐步调整聚类半径,利用最近邻聚类算法对数据集进行聚类,并计算每次聚类结果的贝叶斯信息测度值。比较各次聚类结果的贝叶斯信息测度值,最大贝叶斯信息测度值对应的聚类即为最优聚类结果。实验结果表明,优化的最近邻聚类算法很好地解决了合适的聚类半径选取问题。
- 储岳中徐波
- 关键词：数据挖掘密度聚类算法最近邻聚类
- 一类基于贝叶斯信息准则的k均值聚类算法被引量：16
- 2010年
- 典型k-均值算法中的聚类数k必须是事先给定的确定值,然而,实际应用中k很难被精确地确定。同时该算法对初始聚类中心的依赖性而导致聚类结果可能陷入局部极小,使得该算法对一些实际问题无效。采用基于密度聚类算法(DBSCAN),在筛选局部代表点时结合贝叶斯信息准则(BIC),得到少量精准反映局部数据分布的BIC核心点。然后,以BIC核心点为初始聚类中心,BIC核心点数量为类别数,对全局数据进行k-均值聚类。实验结果表明,优化的k-均值算法是一种有效可行的聚类算法。
- 储岳中
- 基于支撑矢量机的自动视频分类方法被引量：1
- 2008年
- 提出了一种基于支撑矢量机和中心距离比值的自动视频分类方法。它通过提取视频镜头中的颜色和运动特征,利用核支撑矢量机将视频的低级别特征映转到其高层的语义特征上,并在进行支撑矢量机训练算法之前使用了中心距离比值法进行支撑矢量的预选取,实现了语义内容上的自动视频分类。仿真结果表明,该算法能对视频进行比较准确的分类。
- 储岳中
- 关键词：支撑矢量机
