已閱讀1頁，還剩59頁未讀， 繼續(xù)免費閱讀
版權說明：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，請進行舉報或認領
文檔簡介
1、傳統(tǒng)的聚類分析是一種硬化分，把待識別的對象嚴格的劃分到某個類中，具有“非此即彼”的性質，而模糊聚類描述樣本屬于各個類別的不確定性程度，表達了樣本類屬的中介性。但是，在引進模糊概念的同時，也產(chǎn)生了兩大問題：(1)隸屬函數(shù)不易確定。隸屬函數(shù)如何確定沒有統(tǒng)一的標準，其過程有一定的人為技巧，帶有一定的主觀性；(2)模糊的不徹底性。隸屬度用定量值表示，即把不確定性轉化為確定性。
針對當前挖掘算法中隸屬度不易確定和量化問題，本文對基于
2、云理論的不確定性機制進行了研究，并在云模型的基礎上創(chuàng)建了一種新型模型——隨機模糊模型(RandomFuzziness Model，RFM)，該模型將隨機性(精確度)和模糊性(隸屬度)集成并建立映射關系，通過隨機性更深層次的刻畫事務的模糊性，來提高隸屬度確定的合理性。在RFM模型應用到聚類分析過程中，首先，利用該模型計算樣本在不同精確度下的隸屬值。然后，在不同的精確度下，計算得到不同的劃分結果。最后，針對不同精確度下的劃分結果，利用隨機模
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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
- 基于層次聚類的模糊聚類算法的研究.pdf
- 基于層次的模糊聚類算法.pdf
- 基于協(xié)同的模糊聚類算法的研究.pdf
- 基于粒子群算法的模糊聚類研究.pdf
- 基于模糊聚類算法的圖像分割研究.pdf
- 基于模糊聚類算法的文本挖掘.pdf
- 模糊聚類算法研究.pdf
- 基于馬爾可夫隨機場和模糊聚類的圖像分割算法研究.pdf
- 基于hadoop平臺的模糊聚類算法研究
- 基于hadoop平臺的模糊聚類算法研究.pdf
- 基于核函數(shù)的模糊聚類算法研究.pdf
- 模糊聚類新算法的研究.pdf
- 基于模糊聚類算法的路面識別的研究.pdf
- 基于參數(shù)尋優(yōu)的模糊聚類算法研究.pdf
- 基于模糊聚類的入侵檢測算法研究.pdf
- 基于廣義熵的加權模糊聚類算法研究.pdf
- 基于自然計算的模糊聚類新算法研究.pdf
- 基于模糊聚類的社團劃分算法研究.pdf
- 基于模糊聚類算法的圖像分割問題研究.pdf
- 基于目標函數(shù)改進的模糊聚類算法研究.pdf
評論
0/150
提交評論