为什么仿射投影算法的最新收敛算法速度快

K-means算法所使用的聚类准则函数是将數据集中各个簇的误差平方值直接相加而得到的不能有效处理簇的密度不均且大小差异较大的数据集。为此将K-means算法的聚类准则函数定義为加权的簇内标准差之和,权重为簇内数据对象数占总数目的比例同时,调整了传统K-means算法将数据对象重新分配给簇的方法采用一个數据对象到中心点的加权距离代替传统K-means算法中的距离,将数据对象分配给使加权距离最小的中心点所在的簇实验结果表明,针对模拟数據集的聚类改进K-means算法可以明显减少大而稀的簇中数据对象被错误地分配到相邻的小而密簇的可能性,改善了聚类的质量;针对UCI数据集的聚类改进算法使

变步长仿射投影算法因结构简单、最新收敛算法速度快等优点而得到广泛重视然而此算法由于计算量大,其应用受到一定限制为了降低算法复杂度,利用变阶思想茬迭代过程中对投影阶数进行控制,文章提出一种新的变步长仿射投影算法——不定阶变步长仿射投影算法该算法根据均方偏差的最新收敛算法条件,在迭代过程中不断减小投影阶数仿真结果表明,该算法在减小计算量的同时还能保证很快的最新收敛算法速度和低的失調
  1. (查阅所有网上资料, 未找到对应的渶文翻译, 请联系作者确认).

我要回帖

更多关于 最新收敛算法 的文章

 

随机推荐