【摘要】：聚類是研究數(shù)據(jù)相似性的一種方法,它被廣泛應(yīng)用于統(tǒng)計(jì)學(xué)、氣象學(xué)、醫(yī)學(xué)等諸多科學(xué)領(lǐng)域.本文從提升預(yù)測(cè)能力的角度出發(fā)研究了聚類算法,并提出了增強(qiáng)收縮K-means算法,它是基于James-Stein收縮估計(jì)和學(xué)習(xí)向量量化(LVQ)方法的一種新的聚類方法.這種新算法主要考慮了無監(jiān)督聚類和監(jiān)督分類的優(yōu)點(diǎn),在每次迭代中,首先使用K-means算法為每個(gè)數(shù)據(jù)點(diǎn)獲取一個(gè)臨時(shí)標(biāo)簽,對(duì)于這些有標(biāo)簽數(shù)據(jù),利用LVQ算法來獲取原型向量,然后將前一階段獲得的聚類中心通過James-Stein估計(jì)量向原型向量收縮,最后再將這些收縮后的中心用于新一輪的K-means迭代聚類.算法不斷執(zhí)行“K-means-to-LVQ-Shrinkage”的迭代過程直到達(dá)到停止條件為止.此外本文還進(jìn)行了大量的模擬數(shù)據(jù)和實(shí)際數(shù)據(jù)分析,以評(píng)估這種新方法的性能,并獲得了很好的結(jié)果.
【圖文】：

是一種典型的無監(jiān)督學(xué)習(xí).通過圖2.11我們可以很好地理解 K-means 算法的過程.圖2.1 K-means算法示意圖1https://www.cnblogs.com/pinard/p/6164214.html6
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：C81

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 甘井中;楊秀蘭;呂潔;黃恒杰;肖磊;;人工智能中無監(jiān)督學(xué)習(xí)算法綜述[J];海峽科技與產(chǎn)業(yè);2019年01期

2 陳深進(jìn);薛洋;歐勇輝;;基于無監(jiān)督學(xué)習(xí)的實(shí)時(shí)公交動(dòng)態(tài)調(diào)度的研究[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年02期

3 尹遠(yuǎn);廖敏江;李校林;;基于無監(jiān)督學(xué)習(xí)的行人檢測(cè)算法[J];廣東通信技術(shù);2015年02期

4 來學(xué)偉;;深度學(xué)習(xí)無監(jiān)督學(xué)習(xí)算法研究[J];福建電腦;2018年09期

5 王建新;錢宇華;;符號(hào)數(shù)據(jù)的無監(jiān)督學(xué)習(xí):一種空間變換方法[J];計(jì)算機(jī)科學(xué);2016年01期

6 ;前沿科技動(dòng)態(tài)[J];科技中國(guó);2018年07期

7 裘晨曦;徐雅斌;李艷平;李卓;;一種基于無監(jiān)督學(xué)習(xí)的社交網(wǎng)絡(luò)流量快速識(shí)別方法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2014年03期

8 宋毅;王家駟;孫良麗;;無監(jiān)督學(xué)習(xí)在臨床實(shí)驗(yàn)室自動(dòng)審核規(guī)則制定中的實(shí)踐價(jià)值[J];國(guó)際檢驗(yàn)醫(yī)學(xué)雜志;2018年23期

9 劉開第;劉昕;趙奇;周少玲;;基于分類權(quán)與質(zhì)心驅(qū)動(dòng)的無監(jiān)督學(xué)習(xí)算法[J];自動(dòng)化學(xué)報(bào);2009年05期

10 吳鏡鋒;金煒東;唐鵬;;數(shù)據(jù)異常的監(jiān)測(cè)技術(shù)綜述[J];計(jì)算機(jī)科學(xué);2017年S2期

相關(guān)會(huì)議論文 前4條

1 韓杰;倪志偉;巨東東;倪麗萍;;基于樸素貝葉斯和無監(jiān)督學(xué)習(xí)的數(shù)據(jù)流分類算法[A];第十二屆（2017）中國(guó)管理學(xué)年會(huì)論文集[C];2017年

2 范騰;邵坤;唐振韜;趙冬斌;龐中華;;基于無監(jiān)督學(xué)習(xí)的星際爭(zhēng)霸2宏觀決策[A];2018中國(guó)自動(dòng)化大會(huì)(CAC2018)論文集[C];2018年

3 趙勇;徐誠(chéng);樊黎霞;;基于神經(jīng)網(wǎng)絡(luò)的零件加工工藝生成[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

4 岑偉;繆克華;代建東;;基于汽車行駛過程中的故障檢測(cè)研究[A];全國(guó)冶金自動(dòng)化信息網(wǎng)2016年會(huì)論文集[C];2016年

相關(guān)重要報(bào)紙文章 前4條

1 本報(bào)記者 李曉紅;人工智能助力網(wǎng)絡(luò)反欺詐[N];中國(guó)經(jīng)濟(jì)時(shí)報(bào);2017年

2 本報(bào)記者 張蓋倫;AI入局，一把揪出“畫風(fēng)異常”的金融交易[N];科技日?qǐng)?bào);2018年

3 本報(bào)記者 路沙;講情懷亦談落地 有規(guī)劃更需技術(shù)支撐[N];中國(guó)信息化周報(bào);2018年

4 本報(bào)記者 蔡敏霞;AI生成的虛假人臉你能分辨出來嗎？[N];廣東科技報(bào);2019年

相關(guān)博士學(xué)位論文 前10條

1 李澤健;解糾纏表示學(xué)習(xí)與概念空間構(gòu)建[D];浙江大學(xué);2019年

2 王駿;無監(jiān)督學(xué)習(xí)中聚類和閾值分割新方法研究[D];南京理工大學(xué);2011年

3 代琨;基于支持向量機(jī)的網(wǎng)絡(luò)數(shù)據(jù)特征選擇技術(shù)研究[D];解放軍信息工程大學(xué);2013年

4 李狀;基于無監(jiān)督學(xué)習(xí)的風(fēng)電機(jī)組傳動(dòng)鏈智能故障診斷方法研究[D];華北電力大學(xué)(北京);2016年

5 錢利強(qiáng);無監(jiān)督學(xué)習(xí)框架下學(xué)習(xí)分類器系統(tǒng)聚類與主干網(wǎng)提取方法研究[D];蘇州大學(xué);2016年

6 曾令李;基于功能磁共振成像的腦網(wǎng)絡(luò)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

7 張曉雷;支持向量機(jī)若干問題的研究[D];清華大學(xué);2012年

8 彭成磊;云數(shù)據(jù)中心綠色節(jié)能需求的虛擬機(jī)負(fù)載均衡技術(shù)研究[D];南京大學(xué);2016年

9 李強(qiáng);動(dòng)點(diǎn)聚類算法及其量子化研究[D];浙江大學(xué);2009年

10 張亮;基于機(jī)器學(xué)習(xí)的信息過濾和信息檢索的模型和算法研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 衛(wèi)亮亮;基于流結(jié)構(gòu)變分推斷的深度生成模型研究[D];河北大學(xué);2019年

2 楊陽;對(duì)P2P網(wǎng)貸平臺(tái)信用風(fēng)險(xiǎn)的研究[D];上海外國(guó)語大學(xué);2019年

3 王輝;一種基于收縮估計(jì)的增強(qiáng)K-means算法[D];蘭州大學(xué);2019年

4 韋佳偉;基于無監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)異常流量檢測(cè)研究[D];暨南大學(xué);2018年

5 金左雨;基于無監(jiān)督學(xué)習(xí)的高精加工質(zhì)量異常預(yù)測(cè)[D];華中科技大學(xué);2018年

6 田佩佩;基于極限學(xué)習(xí)機(jī)的智能手機(jī)傳感器活動(dòng)識(shí)別研究[D];燕山大學(xué);2017年

7 李斯凡;基于無監(jiān)督學(xué)習(xí)技術(shù)的位置大數(shù)據(jù)分析[D];浙江理工大學(xué);2017年

8 岳永鵬;深度無監(jiān)督學(xué)習(xí)算法研究[D];西南石油大學(xué);2015年

9 林海娟;時(shí)間序列無監(jiān)督學(xué)習(xí)算法研究[D];福州大學(xué);2013年

10 顧曄;基于最優(yōu)給分的稀疏無監(jiān)督學(xué)習(xí)算法研究[D];浙江大學(xué);2010年

，

本文編號(hào)：2661942