GYY8023的博客

FCM算法一、FCM简述FCM算法是基于对目标函数的优化基础上的一种数据聚类方法。聚类结果是每一个数据点对聚类中心的隶属程度，该隶属程度用一个数值来表示。该算法允许同一数据属于多个不同的类。FCM算法是一种无监督的模糊聚类方法，在算法实现过程中不需要人为的干预。这种算法的不足之处:首先，算法中需要设定一些参数，若参数的初始化选取的不合适，可能影响聚类结果的正确性;其次，当数据样本集合较大并...

聚类的评价指标归一化互信息(Normalized Mutual Information)定义归一化互信息提供了一种对称度量来量化两个聚类分布之间共享的统计信息，反映了聚类的质量，值越大，聚类效果越好。程序结果...

Kernel-based FCM基于核的方法的本质是实现一个非线性的映射，从原始的d维空间到高维的核空间。核空间可能具有无限维数。进入更高维度的理由是，可以在核空间中应用线性分类器，而特征空间中的原始问题可能是高度非线性的，并且是不可线性分离的。然后，内核方法利用了这样一个事实，即内核空间中的点积可以由以下给出的Mercer内核K来表示：因此，内核空间中的距离不必显式计算，因为它可以被Mer...

马氏距离vs欧式距离二者的比较马氏距离的计算是建立在总体样本的基础上的，这一点可以从协方差矩阵的解释中可以得出，也就是说，如果拿同样的两个样本，放入两个不同的总体中，最后计算得出的两个样本间的马氏距离通常是不相同的，除非这两个总体的协方差矩阵碰巧相同；在计算马氏距离过程中，要求总体样本数大于样本的维数，否则得到的总体样本协方差矩阵逆矩阵不存在，这种情况下，用欧氏距离计算即可；还有一种情况...