期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于非欧式距离的可能性C-均值聚类
被引量：
8
1
作者
武小红
周建江
+1 位作者
李海林
胡彩平
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2006年第6期702-705,共4页
改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种...
改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(A lternative improved possib ilistic C-means,A IPCM),并给出了该模型的具体实现算法。A IPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类。仿真实验表明,A IPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率。
展开更多
关键词
模糊
聚
类
改进
型
可能性
c-
均值
聚
类
新的改进
型
可能性
c-
均值
聚
类
在线阅读
下载PDF
职称材料
区间型数据的可能性聚类算法
被引量：
2
2
作者
李庆
贺一民
+1 位作者
罗建禄
徐磊
《计算机应用与软件》
CSCD
北大核心
2013年第10期251-254,共4页
针对区间型数据的模糊c均值聚类(IFCM)算法在实际应用中的不足,将可能性理论引入区间型数据的聚类问题,通过放松样本隶属度的约束条件和修正IFCM算法的目标函数,提出一种区间型数据的可能性聚类算法。通过仿真模拟实验和平均CR指标分析...
针对区间型数据的模糊c均值聚类(IFCM)算法在实际应用中的不足,将可能性理论引入区间型数据的聚类问题,通过放松样本隶属度的约束条件和修正IFCM算法的目标函数,提出一种区间型数据的可能性聚类算法。通过仿真模拟实验和平均CR指标分析,结果表明:在包含噪声和孤立点等代表性比较差的样本数据的聚类问题中,该算法明显优于IFCM算法,能有效地降低噪声对聚类效果的影响。
展开更多
关键词
区间
型
数据
模糊C
均值
聚
类
可能性
聚
类
平均CR指标
在线阅读
下载PDF
职称材料
基于IT2-PCM的上肢外骨骼系统T-S模糊建模与预测控制
3
作者
张燕
杨安杰
+3 位作者
孙善乐
李璇
李小觅
孙慧
《兰州大学学报（自然科学版）》
CAS
CSCD
北大核心
2023年第5期576-584,共9页
针对动态特性复杂的上肢外骨骼系统的模型建立、高精度控制和复杂约束处理问题,提出基于T-S模糊算法的改进多变量约束预测控制方法.提出区间Ⅱ型可能性C-均值聚类算法,获取数据建模过程中的样本隶属度矩阵,建立上肢外骨骼的数学模型.对...
针对动态特性复杂的上肢外骨骼系统的模型建立、高精度控制和复杂约束处理问题,提出基于T-S模糊算法的改进多变量约束预测控制方法.提出区间Ⅱ型可能性C-均值聚类算法,获取数据建模过程中的样本隶属度矩阵,建立上肢外骨骼的数学模型.对系统复杂约束问题提出一种约束简化方法,将复杂约束转化为关于参数矩阵μ的约束.提出一种加权基函数法,将基函数思想引入预测控制,推导出上肢外骨骼预测控制器.仿真结果验证了该算法的优越性与有效性.
展开更多
关键词
上肢外骨骼
区间
ⅱ
型
T-S模糊系统
广义预测控制
基函数
区间ⅱ型可能性c-均值聚类
在线阅读
下载PDF
职称材料
题名
基于非欧式距离的可能性C-均值聚类
被引量：
8
1
作者
武小红
周建江
李海林
胡彩平
机构
南京航空航天大学信息科学与技术学院
出处
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2006年第6期702-705,共4页
文摘
改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(A lternative improved possib ilistic C-means,A IPCM),并给出了该模型的具体实现算法。A IPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类。仿真实验表明,A IPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率。
关键词
模糊
聚
类
改进
型
可能性
c-
均值
聚
类
新的改进
型
可能性
c-
均值
聚
类
Keywords
fuzzy clustering
improved possibilistic C means clustering
alternative improved possibilistic
c-
means clustering
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
区间型数据的可能性聚类算法
被引量：
2
2
作者
李庆
贺一民
罗建禄
徐磊
机构
武警警官学院电子技术系
出处
《计算机应用与软件》
CSCD
北大核心
2013年第10期251-254,共4页
文摘
针对区间型数据的模糊c均值聚类(IFCM)算法在实际应用中的不足,将可能性理论引入区间型数据的聚类问题,通过放松样本隶属度的约束条件和修正IFCM算法的目标函数,提出一种区间型数据的可能性聚类算法。通过仿真模拟实验和平均CR指标分析,结果表明:在包含噪声和孤立点等代表性比较差的样本数据的聚类问题中,该算法明显优于IFCM算法,能有效地降低噪声对聚类效果的影响。
关键词
区间
型
数据
模糊C
均值
聚
类
可能性
聚
类
平均CR指标
Keywords
Interval data Fuzzy e means clustering Possibilisitic clustering Average CR index
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于IT2-PCM的上肢外骨骼系统T-S模糊建模与预测控制
3
作者
张燕
杨安杰
孙善乐
李璇
李小觅
孙慧
机构
河北工业大学人工智能与数据科学学院
河北师范大学计算机与网络空间安全学院
出处
《兰州大学学报（自然科学版）》
CAS
CSCD
北大核心
2023年第5期576-584,共9页
基金
国家重点研发计划项目(2020YFC2007702)
国家自然科学基金项目(61976242,61773151)。
文摘
针对动态特性复杂的上肢外骨骼系统的模型建立、高精度控制和复杂约束处理问题,提出基于T-S模糊算法的改进多变量约束预测控制方法.提出区间Ⅱ型可能性C-均值聚类算法,获取数据建模过程中的样本隶属度矩阵,建立上肢外骨骼的数学模型.对系统复杂约束问题提出一种约束简化方法,将复杂约束转化为关于参数矩阵μ的约束.提出一种加权基函数法,将基函数思想引入预测控制,推导出上肢外骨骼预测控制器.仿真结果验证了该算法的优越性与有效性.
关键词
上肢外骨骼
区间
ⅱ
型
T-S模糊系统
广义预测控制
基函数
区间ⅱ型可能性c-均值聚类
Keywords
upper limb exoskeleton
interval type
ⅱ
T-S fuzzy system
generalized predictive control
basis function
interval type
ⅱ
possibility
c-
means clustering
分类号
TP13 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于非欧式距离的可能性C-均值聚类
武小红
周建江
李海林
胡彩平
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2006
8
在线阅读
下载PDF
职称材料
2
区间型数据的可能性聚类算法
李庆
贺一民
罗建禄
徐磊
《计算机应用与软件》
CSCD
北大核心
2013
2
在线阅读
下载PDF
职称材料
3
基于IT2-PCM的上肢外骨骼系统T-S模糊建模与预测控制
张燕
杨安杰
孙善乐
李璇
李小觅
孙慧
《兰州大学学报（自然科学版）》
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
