刘建林
- 作品数：3 被引量：17H指数：2
- 供职机构：华东交通大学信息工程学院更多>>
- 发文基金：江西省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于样本-特征加权的模糊核聚类算法研究及应用
- 聚类分析是多元统计分析的一种,也是非监督模式识别的一个重要分支。聚类的最终目的是使相似的样本之间的距离尽可能地小,而不相似的样本之间的距离尽可能地大。随着模糊集理论的提出和不断发展,模糊聚类分析已成为聚类分析研究的主流。...
- 刘建林
- 关键词：文本挖掘聚类分析样本加权特征加权模糊聚类算法
- 文献传递
- 基于云模型的科技奖励评审模型研究被引量：4
- 2011年
- 云模型是实现定性概念与定量表示之间不确定性转换的模型,它把模糊性和随机性有机结合起来。本文提出了一种基于云模型的科技奖励评审模型,利用云模型客观描述项目的评分在各属性下的分布情况,通过计算云模型参数来确定云模型数字特征图或云滴分布情况,并以此确定最后等级。结果表明,该模型能够解决项目单一属性分类及非共识等问题,同时能够客观地反映出项目实际综合评审结果,从而使得评审更加公平合理。
- 黄卫春刘建林
- 关键词：云模型随机性
- 基于样本-特征加权的可能性模糊核聚类算法被引量：12
- 2014年
- 经典的模糊C-均值聚类算法存在对噪声数据较为敏感、未考虑样本属性特征间的不平衡性及对高维数据聚类不理想等问题,而可能性聚类算法虽然解决了噪声敏感和一致性聚类问题,但算法假定每个样本对聚类的贡献程度一样。针对以上问题,提出了一种基于样本-特征加权的可能性模糊核聚类算法,将可能性聚类应用到模糊聚类中以提高其对噪声或例外点的抗干扰能力;同时,根据不同类的具体特性动态计算样本各个属性特征对不同类别的重要性权值及各个样本对聚类的重要性权值,并优化选取核参数,不断修正核函数把原始空间中非线性可分的数据集映射到高维空间中的可分数据集。实验结果表明,基于样本-特征加权模糊聚类算法能够减少噪声数据和例外点的影响,比传统的聚类算法具有更好的聚类准确率。
- 黄卫春刘建林熊李艳
- 关键词：样本加权特征加权模糊C均值核函数
