龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军火箭军工程大学
摘要：本发明属于机器学习和数据挖掘技术领域，公开了一种基于自适应L2p范数的模糊聚类算法：步骤1：设定待聚类的数据样本，构建聚类算法的目标函数；步骤2：对构建的目标函数中的参数进行初始化；步骤3：采用交替优化的方法和步骤2中得到的初始化后的数据来优化更新目标函数中的每个变量，直至目标函数收敛。与现有基于L2p范数模糊聚类算法不同的是，本发明可以自适应学习L2p范数中的参数p，能够有效解决传统算法中将参数p人工设定固定值导致聚类效果不佳的问题。同时，为了避免隶属度平凡解，本发明中引入了熵正则项。经试验验证，本发明取得了比传统算法更好的聚类效果。
主权项：1.一种基于自适应L2p范数的模糊聚类算法，其特征在于，具体包括如下步骤：步骤1：设待聚类的数据样本为构建聚类算法的目标函数如下： 式中：n—样本数量；c—样本中簇的个数；d—样本xi的维度，i＝1，2，……，n；uij—隶属度矩阵U的第i行和第j列的元素，代表样本值xi属于第j个簇的隶属度；j＝1，2，……，c；隶属度矩阵vj—第j个簇的中心；簇中心集合V＝{v1，v2，...，vc}；σj—第j个簇的协方差系数；簇的协方差系数集合σ＝{σ1，σ2，...，σc}；p—L2p范数中的参数；λ＞0—熵正则超参数；步骤2：对步骤1构建的目标函数中的参数进行初始化，得到初始化后的数据，具体操作如下：步骤21，对待聚类的数据样本X进行归一化预处理，得到预处理后的数据；步骤22，通过网格搜索法在参考参数列表中选择最合适的参数值对熵正则超参数λ进行初始化，其中，所述参考参数列表为[0.1,0.5,1,2,4,6,8,12,16,20,40,100,300]；步骤23，初始化σj＝1和p＝1；步骤24，对簇中心vj采用随机初始化；步骤3：采用交替优化变量的方法和步骤2中得到的初始化后的数据来优化更新步骤1构建的目标函数中的每个变量，直至目标函数收敛。
全文数据：
权利要求：
百度查询： 中国人民解放军火箭军工程大学 基于自适应L2p范数的模糊聚类算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号