基于区间直觉模糊集的C均值聚类算法

来源 :计算机应用与软件 | 被引量 : 4次 | 上传用户:sihuifuran
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对区间直觉模糊集(IVIFS)的聚类问题,提出了基于IVIFS的C均值聚类算法。算法首先应用IVIFS的欧氏距离,构造了聚类的目标函数;然后根据拉格朗日乘数法推导出聚类的迭代公式,得到IVIFS聚类算法;此外,还提出一种IVIFS聚类的有效性函数,并将此函数和聚类结合,给出可以确定最佳聚类类别数的聚类流程;最后通过实验验证了该算法不仅得到了最佳聚类类别数,同时还提高了聚类的准确率。
其他文献
计算机支持的协作学习研究大部分只依据个别定量属性计算学习者之间的差异度,进而根据某种算法对学习者进行分组,分组结果并不能反映学习者本质差异。提出一种综合学习者定性和定量属性的混合属性来计算差异度,使用模糊聚类算法对学习者进行分组的方法。实验表明该方法简单易行,分组结果较为准确。
从提高数字水印鲁棒性的角度出发,算法在充分考虑传统离散余弦变换不能有效抵抗旋转几何攻击的基础上,提出一种基于多级离散余弦变换(DCT)和奇异值分解(SVD)的数字水印算法。将离散余弦变换与奇异值分解相结合,实现变换域算法与空间域算法的综合使用。通过峰值信噪比(PSNR)和归一化相关系数(NC)对算法的性能进行评价。实验结果表明,该算法可以有效地抵抗有损压缩和一些通常的图像处理操作,鲁棒性较好。