TA还没有准备介绍自己
加载中
个人主页
关注
TA的源代码 (3)
数据场聚类算法论文
暂无评分
随着信息化时代的来临,大量数据的产生和收集导致信息大爆炸,数据挖掘技术已成为现在计算机科学的研究热点。聚类分析是数据挖掘中一种重要的挖掘任务和挖掘方法,使得聚类算法的效率和聚类质量在数据挖掘中起着至关重要的作用,也成了计算机科学领域的难题之一。基于密度的聚类算法是聚类分析的重要分支,以其能够发现任意形状的聚类、能够有效地处理噪声数据的优点在聚类算法中占有很重要的地位。算法是经典的基于密度聚类算法,它不但具有基于密度聚类算法的优点,而且聚类速度较快。但是该算法也有不足之处聚类参数选择困难当数据集密度分布不均匀时聚类质量差初始聚类对象随机选择造成时间浪费对所有种子对象进行区域查询造成时间和内存浪费。为解决算法中存在的问题,作者考虑到数据空间中的数据并不是独立的而是有一定的相互影响,结合数据场的思想对算法进行了改进,提出了一种新的基于数据场的密度聚类算法—。该算法将物质粒子间的相互作用及其场的描述方法引入抽象的数据空间,利用数据空间中数据场场势与数据密度分布之间的关系,对算法几个不足之处进行了改进。
MichaelxQ 0 0
1
基于数据场的动态聚类算法
暂无评分
functionflowercloud
clear
clc
closeall
%输入三类花各自的四个特征参量（萼片长度、萼片宽度、花瓣长度、花瓣宽度）的样本值，构成三个四维样本矩阵：
%刺芒野古苣(Setosa)
x1(1,:)=[5.1,4.9,4.7,4.6,5.0,5.4,4.6,5.0,4.4,4.9,5.4,4.8,4.8,4.3,5.8,5.7,5.4,5.1,5.7,5.1,5.4,5.1,4.6,5.1,4.8,5.0,5.0,5.2,5.2,4.7,4.8,5.4,5.2,5.5,4.9,5.0,5.5,4.9,4.4,5.1,5.0,4.5,4.4,5.0,5.1,4.8,5.1,4.6,5.3,5.0];
x1(2,:)=[3.5,3.0,3.2,3.1,3.6,3.9,3.4,3.4,2.9,3.1,3.7,3.4,3.0,3.0,4.0,4.4,3.9,3.5,3.8,3.8,3.4,3.7,3.6,3.3,3.4,3.0,3.4,3.5,3.4,3.2,3.1,3.4,4.1,4.2,3.1,3.2,3.5,3.1,3.0,3.4,3.5,2.3,3.2,3.5,3.8,3.0,3.8,3.2,3.7,3.3];
x1(3,:)=[1.4,1.4,1.3,1.5,1.4,1.7,1.4,1.5,1.4,1.5,1.5,1.6,1.4,1.1,1.2,1.5,1.3,1.4,1.7,1.5,1.7,1.5,1.0,1.7,1.9,1.6,1.6,1.5,1.4,1.6,1.6,1.5,1.5,1.4,1.5,1.2,1.3,1.5,1.3,1.5,1.3,1.3,1.3,1.6,1.9,1.4,1.6,1.4,1.5,1.4];
x1(4,:)=[0.2,0.2,0.2,0.2,0.2,0.4,0.3,0.2,0.2,0.1,0.2,0.2,0.1,0.1,0.2,0.4,0.4,0.3,0.3,0.3,0.2,0.4,0.2,0.5,0.2,0.2,0.4,0.2,0.2,0.2,0.2,0.4,0.1,0.2,0.1,0.2,0.2,0.1,
MichaelxQ 0 0
1
数据场聚类算法+论文
暂无评分
数据场聚类程序说明：
1.shujuyangben程序对雷达信号样本进行二维展示
2.数据场聚类，其实数据场聚类本身就是一种聚类算法，我们这里根据该算法进行聚类中心以及聚类数目等初始值的确定
(1)FIVE_shujuchangFCM.m数据场聚类算法的主程序，可以进行聚类中心的求取，以及等高线的画出
(2)fuzzycm2.m模糊聚类算法程序，中心值记为上述程序得到的中心值，下面几个是这个程序的子函数
fuzzydist.m
求样本之间的距离
maxrowf.m
求矩阵U每列第c个最大值，我们这里一般选用为求最大值
addr.m
为了求排序后的样本在原信号样本中的序号
(3)传统随机选择初始中心的模糊聚类算法radarfcm_test3.m
(4)这里为了对聚类的结果进行统计，编写了correct_julei.m这个程序，比如通过我们的数据场模糊聚类，对四类待分选样本得到4类情况，比如，index11191.txt，index11192.txt，index11193.txt，index11194.txt四类分选后的样本数据，我们需要对其统计，得出总得平均正确率以及各类信号的平均正确率，就使用该程序。
MichaelxQ 0 0
1
没有更多了~