發(fā)布時(shí)間：2023-09-17 16:56

　　成分?jǐn)?shù)據(jù)是普遍存在的一種數(shù)據(jù)類型,僅包含相對(duì)信息,表示某一整體中各變量的相對(duì)貢獻(xiàn)。用成分?jǐn)?shù)據(jù)對(duì)事物進(jìn)行描述,可以反映事物的結(jié)構(gòu)特性。由于成分?jǐn)?shù)據(jù)具有非負(fù)性和定和約束,如果直接將其視為歐氏空間的普通數(shù)據(jù)進(jìn)行分析,結(jié)果會(huì)產(chǎn)生嚴(yán)重偏差。因此,對(duì)成分?jǐn)?shù)據(jù)進(jìn)行分析需遵循成分?jǐn)?shù)據(jù)的基本原則。相似性度量是統(tǒng)計(jì)研究中重要問題,距離則是作為統(tǒng)計(jì)分析中重要的相似性度量指標(biāo)。對(duì)于成分?jǐn)?shù)據(jù),Mahalanobis距離指標(biāo)是否適用于成分?jǐn)?shù)據(jù)的相似性度量,是成分?jǐn)?shù)據(jù)研究中值得研究的問題。模糊聚類分析是與相似性度量指標(biāo)關(guān)系密切的統(tǒng)計(jì)方法之一,相似性度量指標(biāo)的選擇直接影響模糊聚類的效果。模糊C均值聚類算法是目前廣泛應(yīng)用的模糊聚類算法之一,論文以成分?jǐn)?shù)據(jù)這一特殊數(shù)據(jù)類型為研究對(duì)象,構(gòu)建基于成分?jǐn)?shù)據(jù)Mahalanobis距離的模糊C均值聚類算法,研究具有較強(qiáng)的理論價(jià)值和應(yīng)用意義。論文首先嚴(yán)格證明基于三種不同的對(duì)數(shù)比變換下的Mahalanobis距離符合成分?jǐn)?shù)據(jù)相似性度量標(biāo)準(zhǔn),其次提出基于成分?jǐn)?shù)據(jù)Mahalanobis距離的模糊C均值聚類算法(Fuzzy C-Means Based on Mahalanobis diata...

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    第一節(jié) 研究背景及意義
    第二節(jié) 國內(nèi)外研究現(xiàn)狀
    第三節(jié) 主要研究?jī)?nèi)容與可能創(chuàng)新點(diǎn)
    第四節(jié) 論文框架結(jié)構(gòu)和技術(shù)路線
第二章 理論基礎(chǔ)
    第一節(jié) 成分?jǐn)?shù)據(jù)理論
    第二節(jié) 模糊C均值聚類基礎(chǔ)算法
    第三節(jié) 本章小結(jié)
第三章 成分?jǐn)?shù)據(jù)Mahalanobis距離與模糊C均值聚類算法
    第一節(jié) 成分?jǐn)?shù)據(jù)Mahalanobis距離的性質(zhì)
    第二節(jié) 基于成分?jǐn)?shù)據(jù)Mahalanobis距離的模糊C均值聚類算法
    第三節(jié) 數(shù)值模擬
    第四節(jié) 實(shí)證分析
    第五節(jié) 本章小結(jié)
第四章 基于FCM-ML算法的成分?jǐn)?shù)據(jù)缺失值填補(bǔ)法
    第一節(jié) 成分?jǐn)?shù)據(jù)FCM-ML填補(bǔ)法
    第二節(jié) 數(shù)值模擬
    第三節(jié) 實(shí)證分析
    第四節(jié) 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝



本文編號(hào)：3847831