數(shù)據(jù)聚類方法研究及其在軟測(cè)量中的應(yīng)用.pdf

1、聚類分析作為一種非監(jiān)督學(xué)習(xí)方法，隨著現(xiàn)代科學(xué)特別是計(jì)算機(jī)科學(xué)的發(fā)展，已經(jīng)被廣泛應(yīng)用于人們的生產(chǎn)、生活領(lǐng)域。在理論研究及實(shí)踐應(yīng)用中，人們已相繼提出了許多聚類算法，但每種算法在具有某種優(yōu)點(diǎn)的同時(shí)也存在著某些不足，可能適合于處理某類問(wèn)題卻無(wú)法處理另一類情況，到目前為止仍沒(méi)有普遍適用的聚類算法。
　　 模糊C均值聚類(FCM)作為現(xiàn)有聚類算法中理論最完善、應(yīng)用最廣泛的一種聚類算法，也存在著諸如循環(huán)迭代容易陷入局部極值點(diǎn)、隨機(jī)確定聚類類別

2、數(shù)帶來(lái)的不確定性、算法收斂速度較慢等缺點(diǎn)。本文分析了FCM算法有待完善之處，并有針對(duì)性的探討了FCM在聚類類別數(shù)的確定和算法收斂速度兩方面存在的不足，研究了一種基于密度函數(shù)和S-FCM的改進(jìn)聚類算法，并將其應(yīng)用于軟測(cè)量建模當(dāng)中，論文主要做了以下的工作：
　　 首先，綜述了聚類方法的研究背景和軟測(cè)量技術(shù)的理論基礎(chǔ)，分析了聚類分析的發(fā)展歷史和研究現(xiàn)狀，簡(jiǎn)要介紹了聚類分析四種類型的實(shí)現(xiàn)思路及待改進(jìn)之處，并說(shuō)明了聚類分析的一般步驟及注意

3、要點(diǎn)。
　　 然后，介紹了模糊聚類的產(chǎn)生和發(fā)展，并根據(jù)實(shí)現(xiàn)方法的不同，描述了四種聚類算法的實(shí)現(xiàn)思路。詳細(xì)研究了目標(biāo)函數(shù)的建立、HCM和FCM算法的實(shí)現(xiàn)步驟及應(yīng)用。簡(jiǎn)要分析了FCM算法存在的主要問(wèn)題。
　　 其次，介紹了幾種模糊聚類有效性指數(shù)，給出了聚類的具體流程。提出了本文的改進(jìn)算法--基于密度函數(shù)和S-FCM的改進(jìn)算法，此算法從聚類初始類別數(shù)的確定和算法收斂速度方面對(duì)FCM進(jìn)行了改進(jìn)。通過(guò)Matlalb實(shí)驗(yàn)得出的數(shù)據(jù)和

4、圖像證明算法的有效性。
　　 再次，圍繞軟測(cè)量技術(shù)的定義、用途以及數(shù)學(xué)描述進(jìn)行介紹，并重點(diǎn)對(duì)軟測(cè)量建立的步驟進(jìn)行了描述。對(duì)軟測(cè)量模型建立給予較為細(xì)致的分析，敘述了目前軟測(cè)量研究過(guò)程中的幾種較為常見(jiàn)的、完善的方法的實(shí)現(xiàn)過(guò)程。
　　 最后，研究了建立軟測(cè)量模型的BP網(wǎng)絡(luò)法、RBF網(wǎng)絡(luò)法及部分最小二乘法(PLS)，以及能對(duì)數(shù)據(jù)降維處理的主元分析法(PCA)。并利用本文提出的改進(jìn)聚類算法對(duì)現(xiàn)場(chǎng)采集的氧含量數(shù)據(jù)進(jìn)行分工況聚類分析，