PCA用于数据降维的同时保持关键方差信息,聚类算法则用于探索数据的内在分组特征。分析表明PCA能够有效实现物种分类,在二维空间中保留95.8%的数据方差。K均值聚类识别出的模式与实际物种分类具有高度一致性,同时也反映出相近类别(如变色鸢尾和弗吉尼亚鸢尾)之间的重叠特征。 基于PCA和聚类分析的多维偏好分析方法为高维偏好数据...
k-means聚类均值排序针对传统模式库初始化算法的三维SOM重建效果对于模式矢量的输入顺序比较敏感的问题,提出基于k-means聚类的三维SOM初始化模式库算法.计算训练矢量集中各矢量的方差,将所得到的方差利用k-means算法聚成三类,分别再按均值各自排序;设置模式库大小,并以相同间隔在训练矢量集中抽取一定的模式构成初始模式库...