论文部分内容阅读
文章提出了一种适合于嵌入式平台实现的自适应K–均值学习算法,用于解决标准K–均值算法中存在的无法自主确定类属数量、难以确定合理的初始化种子集和运算时间过长的问题。算法通过引入变异比准则(VRC)对聚类结果进行定量评估,并通过迭代运算寻找VRC最大值的方法有效解决了类属数量的自主确定问题;提出了一种分布式最大–最小初始化种子选择方法,利用渐进寻找类内距离最大样本的方法解决了K值递增时初始化种子集的确定问题;并给出了利用FPGA实现该算法的有效途径。仿真实验结果表明,该算法针对各种类型的样本向量均能够准