基于改进的ISODATA的超球覆盖仿生模式分类算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：现有仿生模式识别分类器难以解决含有多个聚集点、非线性和稀疏性样本的分类问题。因此，引入特征分类贡献度，提出了基于改进的迭代自组织数据分析（M-ISODATA）的超球覆盖仿生模式识别算法。首先引入马氏距离对自组织数据分析方法（ISODATA）的欧氏距离替换，并引入熵权法对马氏距离进行加权以赋予各特征不同的贡献度；同时为了去除干扰样本点，引入改进的局部离群因子检测方法（M-LOF）对样本进行训练，减少了不同类别流形之间的重叠区域。（剩余18486字）

试读结束

目录
monitor
客服机器人