...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Fuzzy Systems, IEEE Transactions on >Convergence of the Single-Pass and Online Fuzzy C-Means Algorithms
【24h】

Convergence of the Single-Pass and Online Fuzzy C-Means Algorithms

机译：单遍和在线模糊C均值算法的收敛性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Scalable versions of the widely used fuzzy c-means clustering algorithm called single-pass fuzzy c-means and online fuzzy c-means have been recently introduced. Both algorithms facilitate scaling to very large numbers of examples while providing partitions that very closely approximate those one would obtain using fuzzy c-means. Both algorithms have been successfully applied to a number of datasets, most notably, magnetic resonance image volumes of the human brain. In this letter, we show that weighting examples in the fuzzy c-means algorithm does not cause a violation in its convergence proof, and we provide a separate proof of convergence that holds for any dataset.
机译：最近引入了被广泛使用的模糊c均值聚类算法的可扩展版本，称为单遍模糊c均值和在线模糊c均值。两种算法都有助于按比例缩放到大量示例，同时提供的分区非常接近使用模糊c均值获得的分区。两种算法均已成功应用于大量数据集，最值得注意的是人脑的磁共振图像量。在这封信中，我们证明了模糊c均值算法中的加权示例不会引起其收敛性证明的违反，并且我们提供了适用于任何数据集的单独的收敛性证明。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号