本文關(guān)鍵詞：模糊聚類在經(jīng)濟區(qū)域劃分中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,隨著信息全球化和互聯(lián)網(wǎng)化,大量數(shù)據(jù)的產(chǎn)生出現(xiàn)了信息過載的現(xiàn)象,數(shù)據(jù)挖掘應(yīng)運而生,聚類技術(shù)就是具有代表性的數(shù)據(jù)挖掘技術(shù)。聚類分析應(yīng)用于數(shù)據(jù)挖掘得到了顯著效果,但是,隨著人們認(rèn)識的深入,發(fā)現(xiàn)這種非此即彼的分類越來越不適用于具有模糊性的分類問題。因此,結(jié)合了機器學(xué)習(xí)以及模糊數(shù)學(xué)兩家之長的模糊聚類技術(shù)成為了聚類技術(shù)的新寵兒,在聚類精度上取得了突出的成績。如何從統(tǒng)計年鑒那些浩瀚的經(jīng)濟統(tǒng)計數(shù)據(jù)中獲得較為準(zhǔn)確的劃分就成了一個難題,尤其是在毫無先驗信息的前提下。本文利用基于FCM的模糊聚類算法,以六項宏觀經(jīng)濟指標(biāo)作為劃分依據(jù),得出了非常有效的聚類結(jié)果,具有很強的實際參考意義。本文圍繞模糊聚類技術(shù)的研究,主要進(jìn)行以下研究并列出了相應(yīng)研究結(jié)果：1、介紹了聚類分析技術(shù)的概念和一般要求,然后討論了聚類分析的常見方法,重點描述并實現(xiàn)了經(jīng)典聚類分析-Kmeans算法,實驗發(fā)現(xiàn),Kmeans算法具有局部最優(yōu)和收斂速度快的特點,但無法保證全局最優(yōu),而且對初值敏感,精度表現(xiàn)也中規(guī)中矩。2、詳細(xì)研究了模糊聚類技術(shù),在模糊數(shù)學(xué)基礎(chǔ)上,從模糊關(guān)系和模糊劃分兩方面入手,實現(xiàn)了對兩種模糊聚類算法并分別進(jìn)行了數(shù)據(jù)集實驗�；谀：P(guān)系的聚類可以得出最佳分類對應(yīng)的最佳閾值或所屬區(qū)間,但容易出現(xiàn)孤立點問題；基于模糊劃分的FCM算法的最終輸出是隸屬度矩陣,兼具效率和精度,而且聚類結(jié)果可以清晰的認(rèn)識到每個樣本屬于每一類的程度。3、利用FCM算法高聚類精度的特點,應(yīng)用在了我國2013年區(qū)域經(jīng)濟劃分,實驗結(jié)果揭示了過去的2013年,我國東部、中部、西部發(fā)展差距依然存在,地區(qū)發(fā)展不平衡這個老問題必須引起我們足夠的重視。從分類結(jié)果看,大體上可以反映我國區(qū)域經(jīng)濟發(fā)展的真實情況,驗證了模糊聚類方法的有效性。在沒有任何先驗信息的前提下,僅僅從數(shù)據(jù)本身出發(fā),得出四類發(fā)展水平不同的地區(qū),取得了很好的效果,可以為實際經(jīng)濟工作的展開提供前期判斷,加快效率。
【關(guān)鍵詞】：聚類分析 Kmeans 模糊關(guān)系 最佳閾值 模糊劃分 FCM 區(qū)域經(jīng)濟劃分
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F127;O159
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-13
• 1.1 研究背景和研究意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 本文主要工作和章節(jié)安排12-13
• 第2章 經(jīng)典聚類分析13-20
• 2.1 聚類分析的概述13-14
• 2.2 經(jīng)典聚類分析——K均值聚類14-16
• 2.3 算法實例及其結(jié)果分析16-20
• 第3章 基于模糊關(guān)系的聚類分析20-28
• 3.1 模糊集和模糊關(guān)系20
• 3.2 基于模糊關(guān)系的聚類分析算法20-23
• 3.2.1 算法的一般步驟20-22
• 3.2.2 最佳閾值γ的確定22-23
• 3.3 算法實例及其結(jié)果分析23-28
• 第4章 基于模糊劃分的聚類分析28-33
• 4.1 普通C-劃分28
• 4.2 模糊C-劃分28-29
• 4.3 基于模糊C-劃分的聚類分析算法(FCM)29-30
• 4.4 算法實例及其結(jié)果分析30-33
• 第5章 FCM在區(qū)域經(jīng)濟劃分中的應(yīng)用33-38
• 5.1 應(yīng)用背景和數(shù)據(jù)集介紹33-35
• 5.2 實驗結(jié)果及其實際意義分析35-38
• 第6章 總結(jié)與展望38-39
• 致謝39-40
• 參考文獻(xiàn)40-43
• 攻讀碩士學(xué)位期間發(fā)表的論文43-44
• 附錄一：IRIS數(shù)據(jù)集44-49
• 附錄二：對IRIS數(shù)據(jù)集進(jìn)行FCM得到的隸屬度矩陣U_(iria)49-55

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 賀玲;吳玲達(dá);蔡益朝;;數(shù)據(jù)挖掘中的聚類算法綜述[J];計算機應(yīng)用研究;2007年01期

2 王立新,劉華民;模糊聚類法在我國城市內(nèi)河水質(zhì)污染分類研究中的應(yīng)用[J];內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版);2004年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 楊小兵;聚類分析中若干關(guān)鍵技術(shù)的研究[D];浙江大學(xué);2005年

  本文關(guān)鍵詞：模糊聚類在經(jīng)濟區(qū)域劃分中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：303214