一种改进的期望最大化算法OA北大核心CSTPCD
针对使用传统期望最大化算法进行参数估计的混合高斯模型的最终聚类效果过于依赖初始概率密度中心的问题,提出一种基于模糊C均值算法进行参数初始化的改进期望最大化算法.实验结果表明,在实际的用户知识水平聚类任务中,与传统无监督聚类算法(模糊C均值算法、K-means算法和未改进的期望最大化算法)相比,改进的期望最大化算法的聚类性能度量指标均更优,相比于传统聚类算法全局聚类效果更好.
刘铭;于子奇
长春工业大学数学与统计学院,长春130012长春工业大学数学与统计学院,长春130012
计算机与自动化
模糊C均值期望最大化算法无监督聚类混合高斯模型
《吉林大学学报：理学版》 2022 (5)
P.1176-1182,7
评论