

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在計(jì)算機(jī)網(wǎng)絡(luò)化迅猛發(fā)展的時(shí)代,如何有效、快速地從大量數(shù)據(jù)中獲取人們需要的知識(shí)成為許多學(xué)者以及研究人員關(guān)注的焦點(diǎn)。數(shù)據(jù)供給能力和數(shù)據(jù)分析能力間的矛盾日益突出,使得人們迫切需要一種能夠?qū)?shù)據(jù)進(jìn)行更高層次的分析和提取的自動(dòng)化技術(shù)——數(shù)據(jù)挖掘技術(shù)。
作為數(shù)據(jù)挖掘的一個(gè)重要分支,聚類分析引起了人們的廣泛關(guān)注,它既可以作為獨(dú)立的數(shù)據(jù)挖掘工具供人們分析大量數(shù)據(jù),也可以作為其他數(shù)據(jù)挖掘算法的數(shù)據(jù)的預(yù)處理。在現(xiàn)實(shí)世界中,許多客觀事物之間的界
2、限通常是模糊的,對(duì)事物進(jìn)行分類時(shí)就必然伴隨著模糊性。模糊聚類分析是建立在樣本對(duì)于類別識(shí)別的不確定性描述,更能夠準(zhǔn)備客觀反映現(xiàn)實(shí)世界事物之間的關(guān)系,從而成為聚類分析的研究主流。
在模糊c均值算法中,參數(shù)m起著舉足輕重的作用,參數(shù)m的引入一定會(huì)對(duì)聚類分析以及聚類結(jié)果產(chǎn)生影響,最直接的影響就是將聚類的硬劃分變成了模糊聚類劃分,而且不同的m的值會(huì)產(chǎn)生不同模糊程度的數(shù)據(jù)劃分,從而產(chǎn)生不同的聚類結(jié)果,因此,對(duì)參數(shù)m的選取具有重要的意義
3、。本文重點(diǎn)研究了基于模糊決策的參數(shù)m的優(yōu)選方法,取得了一定的研究成果。
在應(yīng)用FCM算法時(shí),一個(gè)首先需要確定的參數(shù)就是數(shù)據(jù)集的聚類數(shù),因此對(duì)于給定的數(shù)據(jù)集的聚類數(shù)是否合理就是對(duì)該聚類結(jié)果進(jìn)行有效性評(píng)價(jià)。目前,對(duì)聚類數(shù)是否合理的問題,學(xué)者們一般采用有效性指標(biāo)進(jìn)行評(píng)價(jià)。迄今為止,已經(jīng)提出若干檢驗(yàn)聚類有效性的算法。本文著重對(duì)Xie-Beni指標(biāo)及其擴(kuò)展性進(jìn)行研究,對(duì)該指標(biāo)中存在的問題做了相應(yīng)改進(jìn),引入了一個(gè)點(diǎn)密度懲罰因子,定義了
溫馨提示
- 1. 本站所有資源如無(wú)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 模糊聚類算法及其聚類有效性的研究.pdf
- 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(biāo)研究.pdf
- 基于參數(shù)尋優(yōu)的模糊聚類算法研究.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(yàn)與應(yīng)用研究.pdf
- 可能性聚類有效性評(píng)價(jià)研究.pdf
- 基于網(wǎng)格的K-means算法與聚類有效性指標(biāo).pdf
- 聚類有效性指標(biāo)結(jié)構(gòu)分析及應(yīng)用.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 24585.基于聚類有效性指標(biāo)的模糊分類評(píng)價(jià)問題研究
- 模糊聚類新算法的研究.pdf
- 模糊聚類算法研究.pdf
- 38802.一類高效的聚類有效性指標(biāo)及應(yīng)用
- 基于隨機(jī)模糊的聚類算法研究.pdf
- 模糊聚類算法的研究與實(shí)現(xiàn).pdf
- 知識(shí)驅(qū)動(dòng)的模糊聚類算法研究.pdf
- 模糊聚類的混合推薦算法研究.pdf
- 基于協(xié)同的模糊聚類算法的研究.pdf
評(píng)論
0/150
提交評(píng)論