基于目标函数的模糊聚类算法关键技术研究

基于目标函数的模糊聚类算法关键技术研究

ID:33103232

大小:12.14 MB

页数:112页

时间:2019-02-20

基于目标函数的模糊聚类算法关键技术研究_第1页
基于目标函数的模糊聚类算法关键技术研究_第2页
基于目标函数的模糊聚类算法关键技术研究_第3页
基于目标函数的模糊聚类算法关键技术研究_第4页
基于目标函数的模糊聚类算法关键技术研究_第5页
资源描述:

《基于目标函数的模糊聚类算法关键技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了i勇}意。申请学位论文与资料若有不实之处,本人承担一切的法律责任。本人签名:同期:鲨!兰:壁:兰!关于论文使用授权

2、的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期问论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密,在一一年解密后适用本授权书。本人签名:导师签名:日期:堡!!:墨:三!日期:~————————————————————

3、————————————————————————————————————————————————————————————————————1jr一——蔫,。h"二乇~‘o::j!摘要聚类分析是用数学方法来研究分类问题的一门学科,是统计模式识别中非监督模式分类的一个重要分支,近二十年来得到了迅猛的发展。模糊聚类算法由于更能准确描述模式问的不确定关系,已经成为近年来研究的热点。在众多的模糊聚类算法中,文献中研究最多、实际中应用最广的是基于目标函数的模糊聚类算法,而且在图像处理、模式识别、计算机视觉等许多领域中已经获得

4、了成功的应用,是目前最实用也是最受欢迎的算法之一。针对现有聚类分析算法在数据挖掘应用中存在的不完善甚至严重不足之处,本文结合粒子群全局优化方法以及支持向量聚类算法,对传统模糊聚类算法进行较为系统的改造和创新,主要探讨了模糊聚类算法目标函数的定义以及改进方法,提出了适合高维任意分布数据集的模糊聚类新算法,扩展了聚类分析的应用范围,并构造了一种新的模糊聚类有效性函数。实验结果表明,本文提出的一系列有关模糊聚类分析的新思想和新方法都取得了良好的效果并在国家科技支撑计划项目中得到了应用。研究成果主要表现在以下几个方面:

5、1.提出了一种改进的可能性C均值聚类方法。该方法首先通过改进PCM算法的目标函数来计算数据模式的隶属度矩阵和聚类中心完成粒子编码,从而降低了算法对初始中心的敏感,避免聚类一致性问题,提高了聚类的精度;针对基于目标函数的模糊聚类算法是一种局部搜索算法,引入粒子群优化算法,使全局的寻优能力大大提高,具有良好的搜索能力和聚类效果。2.提出了一种新的支持向量模糊聚类方法。该方法比起传统聚类方法表现出较好的性能,它通过对二次规划问题的求解可以保证全局最优解,而且能够处理任意形状数据集和划分有重叠区域的聚类形状,并且容易处

6、理高维数据;实验结果验证了该设计方法的可行性和有效性。3.提出了一种基于密度函数的近似初始化方法。该方法主要解决针对大多数基于目标函数的模糊聚类算法大都需要预先给定初始的聚类中心的问题。该方法通过利用样本分布的密度函数来确定聚类中心,仿真实验表明该方法不仅对高维的大数据集能取得良好的聚类效果,而且计算量也得到了有效的控制。4.提出了一种基于划分系数与相似度量的有效性算法。该方法既考虑了数据集的分布特征又结合了模糊划分系数,使聚类结果更清晰,可以用作数据集的模糊聚类有效性评价。设计了一种模糊决策评价函数来对加权指

7、数进行最优化选取。实验结果证明了它们的有效性。本文的工作受到国家科技支撑计划项目和陕西省“13115”科技创新工程重大科技专项的资助。关键词:模糊聚类模糊c一均值聚类可能性c一均值聚类聚类中心模糊聚类有效性支持向量粒子群优化ABSTRACTCluste“nganalysisisusedtohandleclassi矗cationproblembymathematicalmethods,andisani111portantpartofnon—supervisedpattemclassificationinpatte

8、mrecognition.Intherecent20years,ithasbeendeVelopeddrastically.Fuzzycluste^ngalgorithmhasbecomethefocusofresearchtheseyearsbecauseitcandescribeandanalyzetheuncenainrelationaccurately.AmongtheVano

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。