期刊文献+

改进微分进化算法的半监督模糊聚类

Modified differential evolution algorithm for semi-supervised fuzzy clustering
下载PDF
导出
摘要 通过对已标示和未标示数据的学习和分类,提出一种改进微分进化算法的半监督模糊聚类。先从大量的数据中选取一小部分进行标记,然后利用标记数据来指导进化过程,实现对未标记数据的分类。通过参考粒子群算法惯性权重思想,引入惯性加权系数,在计算初期能够维持个体的多样性,后期能够加快算法的收敛速度,有效提高了算法的性能。遥感图像数据实验结果显示该方法可以提高分类精度。 Through studying and classifying labeled and unlabeled data, this paper proposed a modified differential evolution algorithm for semi-supervised fuzzy clustering. Firstly, a small part of data was labeled from the whole dataset, and then these labeled data were used to guide the evolution process to partition unlabeled data. The modified algorithm introduces inertia-weighted coefficient by considering inertia-weighted idea of particle swarm algorithm, which keeps diversity of individual at early stages and quickens convergent speed at later stages, and at the same time improves the performance of the algorithm. The experimental results for remote sensing data indicate that the proposed approach can improve classification accuracy.
出处 《计算机应用》 CSCD 北大核心 2009年第4期1046-1047,1051,共3页 journal of Computer Applications
基金 国家自然科学基金资助项目(6047206060572034) 2006年教育部新世纪优秀人才计划项目(NCET-06-0487)
关键词 模糊聚类 标示数据 未标示数据 微分进化算法 半监督学习 fuzzy cluster labeled data unlabeled data differential evolution algorithm semi-supervised learning
  • 相关文献

参考文献6

  • 1BLUM A, MITCHELL T. Combining labeled and unlabeled data with co-training[ C]// Proceedings of the llth Annual Conference on Computational Learning Theory. New York: ACM Press, 1998: 92 - 100.
  • 2TAN PANG-NING, STEINBACH M, KUMAN V. Introduction to data mining[ M].北京:人民邮电出版社,2006:305-343.
  • 3姜立强,邱迎锋,刘光斌.利用改进微分进化算法实现线性系统逼近[J].电光与控制,2008,15(5):35-37. 被引量:6
  • 4张承慧,宁勇,姬鹏.一种改进的FCM聚类算法及其在赤潮预测中的应用[J].山东大学学报(工学版),2007,37(6):1-4. 被引量:5
  • 5LIU HONG, HUANG SHANG-TENG. Evolutionary semi-supervised fuzzy clustering[ J]. Pattern Recognition Letters, 2003, 24(16) : 3105 -3113.
  • 6飞思科技产品研发中心.神经网络理论与MATLAB7实现[M].北京:电子工业出版社,2006.119-121.

二级参考文献14

共引文献69

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部