已閱讀1頁，還剩72頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、伴隨著數(shù)據(jù)挖掘的發(fā)展，對聚類的研究越來越深入。目前存在很多種聚類方法，其中模糊C-均值聚類算法應(yīng)用最廣泛，基于該算法提出了很多改進的算法以達到更好的聚類效果。對于聚類后的效果，需要聚類有效性指標進行評價。針對模糊C-均值聚類算法和聚類有效性指標的研究現(xiàn)狀，本文在以下方面進行了改進：
(1)針對模糊C-均值聚類算法提出了屬性加權(quán)的思想。由于數(shù)據(jù)集中不同的屬性對聚類的影響是不同的，因此有必要對屬性賦予不同的權(quán)重?；趯傩约訖?quán)的
2、思想，本文得到了新的模糊C-均值算法的目標函數(shù)、聚類中心和隸屬度函數(shù)的迭代公式，并通過實驗對改進后的聚類進行驗證。
(2)提出兩種新的聚類有效性指標。由于聚類問題的多樣性，沒有統(tǒng)一的聚類有效性指標衡量所有的聚類結(jié)果，只能從不同的聚類有效性指標分別進行改進。本文提出了兩種聚類有效性指標，第一種：基于N.Zahid指標，通過改進該指標中的模糊類間分離度和類內(nèi)緊密度，形成新的聚類有效性指標；第二種：結(jié)合Vxie指標、Vbsaid
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 模糊聚類算法及其有效性研究.pdf
- 模糊聚類有效性研究.pdf
- 模糊聚類有效性指標研究.pdf
- 模糊聚類算法的有效性及參數(shù)m的研究.pdf
- 聚類算法及其有效性問題研究.pdf
- 模糊C均值聚類及其有效性檢驗與應(yīng)用研究.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 模糊聚類算法研究.pdf
- 可能性聚類有效性評價研究.pdf
- Web事務(wù)聚類中模糊聚類算法的應(yīng)用研究.pdf
- 基于模糊聚類的大規(guī)模數(shù)據(jù)聚類算法及其應(yīng)用研究.pdf
- 模糊聚類新算法的研究.pdf
- 模糊聚類算法及其在中文文本聚類中的研究與實現(xiàn).pdf
- 分層模糊最小-最大聚類算法及其在圖像聚類中的應(yīng)用研究.pdf
- 抑制式模糊聚類算法及其應(yīng)用.pdf
- 基于隨機模糊的聚類算法研究.pdf
- 模糊聚類算法的研究與實現(xiàn).pdf
- 24585.基于聚類有效性指標的模糊分類評價問題研究
- 基于層次的模糊聚類算法.pdf
- 知識驅(qū)動的模糊聚類算法研究.pdf
評論
0/150
提交評論