本文關(guān)鍵詞：基于局部保留投影的堆疊隱空間模糊C均值算法

  更多相關(guān)文章： 隱空間映射 極限學習機(ELM) 局部保留投影(LPP) 模糊C均值聚類 圖像聚類

【摘要】：傳統(tǒng)模糊聚類算法在處理復雜非線性數(shù)據(jù)時學習能力較差.針對此問題,文中基于極限學習機(ELM)理論,結(jié)合局部保留投影(LPP)與ELM特征映射,提出壓縮隱空間特征映射算法,從而將原始數(shù)據(jù)從原空間映射至壓縮ELM隱空間中.通過連接多個壓縮隱空間特征映射,結(jié)合模糊聚類技術(shù),提出基于LPP的堆疊隱空間模糊C均值算法.大量實驗表明,文中算法對模糊指數(shù)的變化不敏感,在處理復雜非線性數(shù)據(jù)和存在類內(nèi)差異的圖像數(shù)據(jù)時,能夠取得更精確、高效、穩(wěn)定的學習效果.
【作者單位】： 江南大學數(shù)字媒體學院;常熟理工學院計算機科學與工程學院;
【關(guān)鍵詞】： 隱空間映射 極限學習機(ELM) 局部保留投影(LPP) 模糊C均值聚類 圖像聚類
【基金】：國家自然科學基金項目(No.61300151) 江蘇省自然科學基金項目(No.BK20130155) 江蘇省高校自然科學研究項目(No.13KJB520001)資助~~
【分類號】：TP391.41
【正文快照】： Supported by National Natural Science Foundation of China(No.61300151),Natural Science Foundation of Jiangsu Province(No.BK20130155),Natural Scientific Research Project of Jiangsu Higher Education Institutions(No.13KJB520001)LIU Huan1,WANG Jun1,YING Wenh，

本文編號：996238