发表服务
学位论文作者签名：日期：c）f0学位论文版权使用授权书乡本学位论文作者和指导教师完全了解东北大学...户导师签名签字：改进的模糊C均值聚类算法及其应用摘要本文首先介绍了模糊C均值聚类（FCM）算法，但由于FCM聚类算法没有考虑到...
本论文针对模糊C均值聚类算法及其一些相关改进算法的不足，考虑融入图像的空间信息，提出了新的分割算法。主要章节安排如下：第一章主要介绍了图像分割技术的概念、方法，图像分割的意义、研究现状。对目前几类经典的分割技术做了...
模糊C均值算法属于其中的一个变种，保持了其思想简单易行的特点，时间复杂性接近线性，对大规模数据的挖掘具有高效性和伸缩性。.为了解决数据集中对象之间的基于欧式距离度量的相似性度量差别不是很明显的问题，提出了基于变异系数的模糊C均值...
本文将从以下几个方面进行论文工作的阐述:1)根据众多聚类方法的性质特点进行类型划分及综述对比,选择更精确的模糊聚类以及特点适合在大数据场景下部署应用的基于划分的聚类方法,即模糊c均值聚类算法。.2)在深入研究Hadoop和Spark的分布式模型基础上,对比...
改进模糊C均值聚类算法的数据挖掘的研究学校代号公开兰州理工大学硕士学位论文改进模糊一均值聚类算法的数据挖掘研究电气工程与信息工程学院专业名堂建武塾援兰州理工大学学位论文原创性声明本人郑重声明所呈交的论文是本人在导师的指导下进行研究所取得的研究成果。
浅谈模糊C均值聚类（FuzzyC-meansClustering）定义：模糊c-均值聚类算法fuzzyc-meansalgorithm(FCMA)或称（FCM）。在众多模糊聚类算法中，模糊C-均值（FCM）算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心...
具体对模糊C均值聚类算法进行分析和研究，制定改进方案。（2）通过对模糊C均值聚类算法的分析，发现该算法易于陷入局部最优，结合群智能优化算法，优化其迭代过程。本文提出改进的量子粒子群算法，用来优化模糊C均值聚类算法的迭代过程。
参考文献[1]ChuangKS,TzengHL,ChenS,etal.Fuzzyc-meansclusteringwithspatialinformationforimagesegmentation[J]puterizedmedicalimagingandgraphics,2006,30(1):9-15.概述模糊c均值聚类（FCM）算法用于图像分割时，由于缺少...
2.2模糊C均值聚类图像分割算法基于模糊聚类的图像分割方法可以解决图像分割中像素点“非此即彼”的传统分类方式存在的弊端，能够较好的处理图像内在的模糊性。目前常用的聚类方法有模糊C均值聚类算法、K均值聚类算法和最大期望值算法等。
摘要：与经典的K均值聚类算法相比，模糊C均值(FCM)聚类算法通过引入模糊因子，考虑不同聚类数据簇之间的相互关系，得到可分性更好的聚类结果。但是模糊因子的引入，使得任意一个样本点都存在模糊性，造成FCM极易受到噪声和离群点的影响，聚类结果泛化性能较差。
学位论文作者签名：日期：c）f0学位论文版权使用授权书乡本学位论文作者和指导教师完全了解东北大学...户导师签名签字：改进的模糊C均值聚类算法及其应用摘要本文首先介绍了模糊C均值聚类（FCM）算法，但由于FCM聚类算法没有考虑到...
本论文针对模糊C均值聚类算法及其一些相关改进算法的不足，考虑融入图像的空间信息，提出了新的分割算法。主要章节安排如下：第一章主要介绍了图像分割技术的概念、方法，图像分割的意义、研究现状。对目前几类经典的分割技术做了...
模糊C均值算法属于其中的一个变种，保持了其思想简单易行的特点，时间复杂性接近线性，对大规模数据的挖掘具有高效性和伸缩性。.为了解决数据集中对象之间的基于欧式距离度量的相似性度量差别不是很明显的问题，提出了基于变异系数的模糊C均值...
本文将从以下几个方面进行论文工作的阐述:1)根据众多聚类方法的性质特点进行类型划分及综述对比,选择更精确的模糊聚类以及特点适合在大数据场景下部署应用的基于划分的聚类方法,即模糊c均值聚类算法。.2)在深入研究Hadoop和Spark的分布式模型基础上,对比...
改进模糊C均值聚类算法的数据挖掘的研究学校代号公开兰州理工大学硕士学位论文改进模糊一均值聚类算法的数据挖掘研究电气工程与信息工程学院专业名堂建武塾援兰州理工大学学位论文原创性声明本人郑重声明所呈交的论文是本人在导师的指导下进行研究所取得的研究成果。
浅谈模糊C均值聚类（FuzzyC-meansClustering）定义：模糊c-均值聚类算法fuzzyc-meansalgorithm(FCMA)或称（FCM）。在众多模糊聚类算法中，模糊C-均值（FCM）算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心...
具体对模糊C均值聚类算法进行分析和研究，制定改进方案。（2）通过对模糊C均值聚类算法的分析，发现该算法易于陷入局部最优，结合群智能优化算法，优化其迭代过程。本文提出改进的量子粒子群算法，用来优化模糊C均值聚类算法的迭代过程。
参考文献[1]ChuangKS,TzengHL,ChenS,etal.Fuzzyc-meansclusteringwithspatialinformationforimagesegmentation[J]puterizedmedicalimagingandgraphics,2006,30(1):9-15.概述模糊c均值聚类（FCM）算法用于图像分割时，由于缺少...
2.2模糊C均值聚类图像分割算法基于模糊聚类的图像分割方法可以解决图像分割中像素点“非此即彼”的传统分类方式存在的弊端，能够较好的处理图像内在的模糊性。目前常用的聚类方法有模糊C均值聚类算法、K均值聚类算法和最大期望值算法等。
摘要：与经典的K均值聚类算法相比，模糊C均值(FCM)聚类算法通过引入模糊因子，考虑不同聚类数据簇之间的相互关系，得到可分性更好的聚类结果。但是模糊因子的引入，使得任意一个样本点都存在模糊性，造成FCM极易受到噪声和离群点的影响，聚类结果泛化性能较差。
发表服务