作者:卢俊杰,黄金泉,鲁峰 单位:华北计算技术研究所 出版:《计算机工程与应用》2020年第09期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFJSGG2020090200 DOC编号:DOCJSGG2020090209 下载格式:PDF + Word/doc 文字可复制、可编辑
  • K均值聚类算法是聚类领域最知名的方法之一,然而K均值聚类完全依赖欧式距离进行聚类,忽略了样本特征离散程度对聚类结果的影响,导致聚类边缘样本容易被误聚类,且算法易局部收敛,聚类准确率较低。针对传统K均值聚类算法的不足,提出了似然K均值聚类算法,对于每个聚类的所有样本考虑每个维度样本特征的离散程度信息,分别计算样本属于某一聚类的似然概率,能够有效提高聚类准确率。在人造数据集和基准数据集验证了似然K均值聚类算法的优越性,将其应用于涡扇发动机气路部件故障以及传感器故障的模式识别,验证了该算法在涡扇发动机故障诊断中的实用性和有效性。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。