殷萍
- 作品数：4 被引量：6H指数：1
- 供职机构：江南大学理学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 迭代直觉模糊K-modes算法
- 2022年
- 直觉模糊K-modes(IFKM)算法在聚类过程中采用简单0-1匹配相似性度量,既无法有效刻画类内数据对象之间的相似性,也未体现不同属性在聚类过程中的贡献程度;此外,IFKM算法在聚类的每一次迭代中直接根据直觉模糊隶属度矩阵来确定数据对象所属类别,没有充分发挥直觉模糊思想的作用。为了解决这两个问题,提出一种迭代IFKM(IIFKM)算法。首先,基于直觉模糊熵(IFE)与直觉模糊集(IFS)定义了一种加权的直觉模糊隶属度相似性度量;其次,将直觉模糊隶属度矩阵作为迭代信息贯穿于整个聚类过程,使算法中的直觉模糊思想得到充分体现。在UCI数据库的5个数据集上进行的实验结果表明,与IFKM算法相比,IIFKM算法在分类正确率和召回率方面提升了7%~11%,在分类精度方面也有一定提升。
- 陈育丹高翠芳沈莞蔷殷萍
- 关键词：直觉模糊集直觉模糊熵
- 基于信息熵加权的协同聚类改进算法被引量：6
- 2015年
- 为了改进协同聚类中计算量较大的问题,提出一种信息熵加权的模糊协同聚类算法。首先引入信息熵来衡量隶属度差异矩阵中包含的不确定性信息,然后根据有效信息量定义相似性距离中的权重,最后通过权重对聚类的贡献实现子集之间的协同聚类。实验结果显示,新算法能充分利用数据子集中蕴涵的相关信息,以较高的计算效率实现更准确的协同聚类。与已有算法相比,新算法能自适应地计算协同关系强度,简化了参数设置和协同函数的复杂计算。
- 高翠芳黄珊维沈莞蔷殷萍
- 关键词：模糊聚类信息熵
- 基于新相似度的模糊协同聚类改进算法
- 2018年
- 提出一种优化传统协同聚类中模糊点类别归属的改进算法,该算法引入基于清晰半径的新相似性距离公式,用超球体中心区域代替传统算法中的类中心,在各子集初始聚类结果的基础上,对容易导致类别归属错误的模糊点重新计算隶属度,得到较为清晰的聚类结果。实验结果显示,改进算法能很大程度地减少边界上的模糊点个数及纠正分类错误,清晰半径的引入还能弱化各子集之间协同系数的差异,使得参数设置更为简单。
- 高翠芳张朔殷萍沈莞蔷
- 关键词：模糊聚类FCM算法协同聚类模糊点
- 面向本科生的数值分析课程的改革和实践
- 2014年
- 数值分析课程是我校信息与计算科学专业的学科平台课程。它是信计专业的特色课程,以培养学生学习数学的兴趣和应用数学的能力为目的。根据目前的教学现状和改革趋势,提出了相应的教学内容和方法改革措施,实践证明在教学反馈中得到了良好的效果。
- 殷萍
- 关键词：教学改革本科生
