聚類(lèi)分析作為一種重要的數(shù)據(jù)處理技術(shù)已經(jīng)被廣泛地應(yīng)用到各個(gè)領(lǐng)域。本文用模糊C均值和徑向基神經(jīng)網(wǎng)絡(luò)方法研究聚類(lèi)問(wèn)題,這一研究對(duì)于整合事物的數(shù)據(jù)信息,探索事物規(guī)律提供了策略參考。本文的主要研究?jī)?nèi)容及成果可概括如下:1.在模糊聚類(lèi)的過(guò)程中,考慮到聚類(lèi)的初始中心點(diǎn)的選取對(duì)于整個(gè)聚類(lèi)結(jié)果較為敏感,提出了基于灰色關(guān)聯(lián)度的初始聚類(lèi)中心選擇方法,能夠較好的找到初值,提高聚類(lèi)結(jié)果的穩(wěn)定性。2.在聚類(lèi)過(guò)程中,選擇合適的度量來(lái)評(píng)估數(shù)據(jù)中的相似性是必要的。本文在經(jīng)典的歐氏距離函數(shù)作為相似性度量的基礎(chǔ)上,結(jié)合已有的研究成果,引入DTW距離及SPDTW距離,結(jié)合三種距離度量的優(yōu)點(diǎn),針對(duì)可能出現(xiàn)的某數(shù)據(jù)較大的依賴(lài)于某一距離或不同程度的依賴(lài)于不同距離度量的問(wèn)題,提出了基于三種距離加權(quán)的形式作為新的相似性度量,然后將其應(yīng)用于模糊C中心點(diǎn)和模糊C均值混合模糊聚類(lèi)技術(shù)中。3.使用加權(quán)距離作為相似性度量的基礎(chǔ)上,為了更好的確定加權(quán)距離權(quán)值,我們采用粒子群優(yōu)化算法對(duì)權(quán)值尋優(yōu),從而得到全局最優(yōu)解。利用MATLAB編程進(jìn)行數(shù)值實(shí)驗(yàn),對(duì)不同的UCR數(shù)據(jù)集及SCADI標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行聚類(lèi)分析,數(shù)值結(jié)果顯示,改進(jìn)模糊聚類(lèi)算法下聚類(lèi)結(jié)果顯著提... 

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究狀況
    1.3 本文主要內(nèi)容及結(jié)構(gòu)
2 預(yù)備知識(shí)
    2.1 灰色關(guān)聯(lián)度分析理論
    2.2 模糊C均值(FCM)聚類(lèi)
    2.3 相似性度量-距離函數(shù)
    2.4 徑向基網(wǎng)絡(luò)模型的聚類(lèi)學(xué)習(xí)算法
3 基于改進(jìn)的模糊C聚類(lèi)算法
    3.1 初始聚類(lèi)中心的選擇
    3.2 基于改進(jìn)的加權(quán)距離的模糊聚類(lèi)模型
        3.2.1 加權(quán)距離的確定
        3.2.2 兩階段模糊聚類(lèi)模型
    3.3 粒子群優(yōu)化的加權(quán)度量算法
    3.4 數(shù)值結(jié)果
    3.5 本章小結(jié)
4 改進(jìn)的徑向基網(wǎng)絡(luò)的聚類(lèi)研究
    4.1 改進(jìn)的FCM-RBF網(wǎng)絡(luò)聚類(lèi)模型的建立
    4.2 改進(jìn)的RBF網(wǎng)絡(luò)聚類(lèi)算法
    4.3 數(shù)值實(shí)驗(yàn)
    4.4 本章小結(jié)
5 結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的分類(lèi)數(shù)據(jù)聚類(lèi)中心初始化方法[J]. 王思杰,唐雁.  計(jì)算機(jī)應(yīng)用. 2018(S1)
[2]基于最佳u-shapelets的時(shí)間序列聚類(lèi)算法[J]. 余思琴,閆秋艷,閆欣鳴.  計(jì)算機(jī)應(yīng)用. 2017(08)
[3]基于快速密度聚類(lèi)的RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[J]. 蒙西,喬俊飛,李文靜.  智能系統(tǒng)學(xué)報(bào). 2018(03)
[4]改進(jìn)人工蜂群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的分類(lèi)研究[J]. 韋鵬宇,潘福成,李帥.  計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[5]模糊半監(jiān)督加權(quán)聚類(lèi)算法的有效性評(píng)價(jià)研究[J]. 李龍龍,何東健,王美麗.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(06)
[6]一種加權(quán)歐氏距離聚類(lèi)算法的改進(jìn)[J]. 朱俚治.  計(jì)算機(jī)與數(shù)字工程. 2016(03)
[7]基于模糊聚類(lèi)的神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘分類(lèi)中的應(yīng)用研究[J]. 王剛,黃麗華,張成洪.  科技導(dǎo)報(bào). 2007(15)



本文編號(hào)：3687787