文章目录
- 一、软阈值和硬阈值的基本概念和区别
- 二、软聚类和硬聚类的详细概念和区别
一、软阈值和硬阈值的基本概念和区别
在我所研究的领域中,经常出现小波降噪,就拿小波降噪举例子吧!!
在信号处理中,小波降噪
是一种常用的方法,主要用于去除信号中的噪声。小波降噪中的软阈值和硬阈值
是两种常用的阈值处理方法。
硬阈值
:
硬阈值处理是将信号中小于阈值的部分直接去除,大于阈值的部分保留。也就是说,如果信号中的某一部分低于阈值,那么在处理后的信号中,这部分就会被“砍掉”。这种方法的优点是简单直接,但对于那些刚好等于阈值的信号部分,可能会产生一些不连续或者跳跃
的现象。
软阈值
:
软阈值处理则相对更为平滑。对于小于阈值的信号部分,软阈值处理不是直接去除,而是将这部分“收缩”或“压缩”,使得这部分的信号强度减弱。对于大于阈值的信号部分,软阈值处理会将其压缩到阈值上。这种方法的优点是能够更好地保留那些刚好等于阈值的信号部分,使得信号看起来更为自然和平滑
。
所以,“软”和“硬”在这里指的是处理信号的方式
:硬阈值处理更为刚性
,对于低于阈值的信号部分会直接去除
;软阈值处理则更为平滑
,对于低于阈值的信号部分会进行收缩或压缩
。
二、软聚类和硬聚类的详细概念和区别
-
硬聚类(Hard clustering):
每个样本点只能属于一个聚类,一个样本点的隶属度只有1,其它聚类的隶属度为0。 -
软聚类(Fuzzy clustering)
:每个样本点可以属于多个聚类,一个样本点对不同聚类的隶属度可以是0-1之间的浮点数。
简单来说:
-
硬聚类是将所有样本明确分配给一个聚类
,每个样本只属于一个聚类。 -
软聚类允许样本同时隶属多个聚类,但隶属程度不同
。一个样本可以部分属于一个聚类,部分属于另一个聚类。
所以:
-
"硬"指的
是每个样本只能明确属于一个聚类。 -
"软"指的是
每个样本可以同时部分属于多个聚类,通过隶属度表示其程度。
主要代表算法:
硬聚类:K-Means
软聚类:Fuzzy C-Means