![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Lesel
这个作者很懒,什么都没留下…
展开
-
2DFCM
目标函数(同经典的FCM函数): 其中,:样本数据空间,二维的。:隶属于第类的隶属程度。:灰度值对,表示像素值的空间邻域信息, ...原创 2020-01-01 10:05:23 · 225 阅读 · 0 评论 -
FCM-S
目标函数: 约束条件: 其中, :以为中心的一个窗口内的值。 ...原创 2019-12-17 15:34:04 · 645 阅读 · 0 评论 -
FCM——(Fuzzy C-means)模糊C均值算法
FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进,普通C均值算法对于数据的划分是硬性的,而FCM则是一种柔性的模糊划分。模糊聚类的目标函数: ...原创 2019-12-17 15:15:48 · 4513 阅读 · 0 评论 -
K均值聚类算法(HCM,K-Means)
K均值聚类核心思想如下: 算法把n个向量分为个组,并求每组的聚类中心,使得非相似性(或距离)指标的价值函数(或目标函数)达到最小。当选择欧几里德距离为组j中向量与相应聚类中心间的非相似性指标时,价值函数可定义为: 分过的簇一般用一个的二维隶属矩阵来定义。如果第个数据点...原创 2019-12-17 14:52:11 · 2220 阅读 · 1 评论 -
聚类方法——簇间距离度量方法
1. 最小距离(单链接算法 Single linkage algorithm) 含义:簇类C1和C2的距离由该两个簇的最近样本决定。 优点:只要两个簇类的间隔不是很小,单链接算法可以很好的分离非椭圆形状的样本分布。 缺点:单链接算法...原创 2019-12-17 14:37:34 · 12587 阅读 · 0 评论 -
聚类算法小结
聚类算法就是按照某个特定的标准(如距离准则)把一个数据集分割成不同的类或簇,使得同个簇内的数据对象相似性尽可能大,同时不同簇内的差异性尽可能大。聚类算法评价指标: 聚错样本数、运行时间、平均准确度()聚类算法比较:FCM和K-means都具有较高的准确度,层次聚类准确度最差,SOM耗时较长。 K-means 受限于初始点的选取 FCM 人为确定聚类数,易陷入局部最优解...原创 2019-12-17 14:29:52 · 280 阅读 · 0 评论