基于调整学习的聚类算法

基于调整学习的聚类算法
金萍;王浩;宗瑜;李明楚
【期刊名称】《计算机技术与发展》
【年(卷),期】2009(19)2
【摘要】调整学习是一种逐步求精的近似学习方法,是提高局部搜索解质量的重要途径之一.该方法调用调整算子填平局部最优解陷阱,构造一系列不同粒度的搜索空间,降低局部最优解对解质量的影响.利用调整学习的基本原理设计了聚类算法框架CAT_L,并给出了适合处理聚类问题的噪声平滑调整算子.实验对比了经典FCM算法与FCM-CAT_L(以FCM算法作为CAT_L框架的聚类算子)算法的聚类质量.实验结果表明,调整学习方法对提高聚类质量是有效的.
【总页数】5页(P58-61,65)
【作者】金萍;王浩;宗瑜;李明楚
【作者单位】合肥工业大学,计算机与信息学院,安徽,合肥,230009;合肥工业大学,计算机与信息学院,安徽,合肥,230009;大连理工大学,软件学院,辽宁,大连,116621;大连理工大学,软件学院,辽宁,大连,116621
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于聚类算法的MOOCs学习者分类及学习行为模式研究 [J], 马飞;李娟
2.基于机器学习聚类算法的学习者自动分类研究 [J], 孙丙仁;杨敏
3.基于双向选择调整策略的半监督聚类算法 [J], 刘明;宣照国;吴江宁
4.基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法 [J], 张鑫涛; 马福民; 曹杰; 张腾飞
5.基于联邦学习的船舶AIS轨迹谱聚类算法研究 [J], 吕国华;胡学先;张启慧;魏江宏
因版权原因，仅展示原文概要，查看原文内容请购买。