特征加权的K-means算法逻辑回归函数初始聚类中心传统K-means聚类算法通过欧式距离计算样本的相似度,将数据所有的属性特征均平等对待,忽略每个属性特征的不同贡献,导致样本相似度计算的准确率不高.针对这个不足,提出一种特征加权的K-means算法进行优化.首先,运用Softmax和Sigmoid逻辑回归函数计算特征权重,使得加权的欧式...
此外,还有学者利用自回归滑动平均( auto-regressive and moving average,ARMA) 误差模型、非参数的概率预测等方法进行场景生成。场景生成的关键是保证生成的数据集能反映自身概率密度及总体特征。 在场景缩减的研究中,大多采用聚类分析法对相似场景进行缩减。文献[9]通过计算聚类有效性 指标,解决了传统 K-means 算法无法...