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、模糊C均值聚類算法(FCM:Fuzzy C—Means)的研究領(lǐng)域隸屬于數(shù)據(jù)挖掘的聚類分析方向,是一種基于目標函數(shù)的無監(jiān)督的聚類分析算法。它是在傳統(tǒng)聚類分析算法的基礎(chǔ)上引入模糊數(shù)學(xué)理論的概念,并利用隸屬度函數(shù)來表示數(shù)據(jù)對象相對于類簇的所屬關(guān)系。
本文主要研究內(nèi)容是:首先,從模糊C均值聚類算法的目標函數(shù)進行推導(dǎo),推導(dǎo)出在聚類分析取得最優(yōu)化解時隸屬度函數(shù)μ(x)和聚類中心的數(shù)學(xué)表達式。
然后,從模糊C均值聚類算法
2、的相關(guān)問題入手,論述了解決問題的理論依據(jù)和具體思路,并提出的PFCM(PFCM:Optimal Fuzzy C—Means)算法。該算法的主要內(nèi)容是:第一,由于FCM的初始聚類中心是隨機產(chǎn)生,聚類的效果可能會隨著初始聚類中心的選擇而波動。本文根據(jù)推導(dǎo)出的聚類中心的表達式,采用數(shù)據(jù)分段方法,確定初始聚類中心,以減少聚類結(jié)果因初始聚類中心的隨機性選擇而引起的波動。第二,由于FCM算法在計算數(shù)據(jù)對象各維特征的距離時某些維度特征的量綱或者偏離度
3、可能差異巨大,進而有可能掩蓋其它維度的特征作用。本文運用層次分析法,從數(shù)據(jù)對象縱向上構(gòu)造了一個成對比較矩陣,以各維特征的方差為基準,計算各維特征的權(quán)重來平衡它們的作用。第三,由于FCM算法是一種迭代爬山的搜索算法,它在處理高維數(shù)據(jù)時效率比較低。本文利用多項式擬合的方法,從數(shù)據(jù)對象橫向上建立非線性映射,將原數(shù)據(jù)對象映射到一元多次函數(shù)的系數(shù)上,使用一元多次函數(shù)的系數(shù)來代替原數(shù)據(jù)對象的各維數(shù)據(jù),以降低原數(shù)據(jù)對象的維度,進而增強FCM算法處理高
4、維數(shù)據(jù)的能力。第四,由于FCM算法在迭代過程時使用距離更新聚類中心,當奇異點的范數(shù)過大時,可能會極大地減少其他數(shù)據(jù)對象的作用。本文在每次算法迭代過程時,檢測各個類簇中潛在的奇異點,然后根據(jù)方差分析假設(shè)檢驗的方法,判斷它是否是真正的奇異點。如果接受假設(shè),則不將該奇異點加入到調(diào)整聚類中心的集合中,反之,則加入,以此來減少奇異點對聚類結(jié)果的影響。
最后,本文通過實驗比較了PFCM算法與FCM算法,并將PFCM算法應(yīng)用于模式識別中
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
- 改進的模糊C-均值聚類算法.pdf
- 基于Spark的模糊c均值聚類算法研究.pdf
- 模糊C均值聚類算法的研究與改進.pdf
- 自適應(yīng)模糊C-均值聚類算法研究.pdf
- 模糊C-均值聚類的研究.pdf
- 直覺模糊C均值聚類的圖像分割算法研究.pdf
- 入侵檢測中模糊C-均值聚類算法研究.pdf
- 改進模糊C-均值聚類算法的數(shù)據(jù)挖掘研究.pdf
- 基于模糊c均值聚類的SAR圖像分割算法研究.pdf
- 基于GA優(yōu)化的核模糊C均值聚類算法的研究.pdf
- 基于模糊C均值聚類算法的入侵檢測方法.pdf
- 基于模糊C均值聚類方法的圖像分割算法研究.pdf
- 基于模糊C均值聚類的彩色圖像分割算法研究.pdf
- 34627.直覺模糊c均值聚類算法的研究及應(yīng)用
- 基于改進人工蜂群的模糊C均值聚類算法研究.pdf
- 基于核方法改進的模糊C-均值聚類算法.pdf
- 融合粒子群和蛙跳算法的模糊C-均值聚類算法研究.pdf
- 基于差分進化的模糊C-均值聚類算法研究.pdf
- 基于模糊C均值聚類的協(xié)同過濾推薦算法研究.pdf
- 基于模糊C均值算法在文本聚類中的研究與實現(xiàn).pdf
評論
0/150
提交評論