發(fā)布時(shí)間：2023-09-17 18:00

　　隨著大數(shù)據(jù)信息時(shí)代的到來,對海量數(shù)據(jù)處理的技術(shù)要求越來越高。為了更加高效地在海量數(shù)據(jù)中發(fā)現(xiàn)有用的隱含信息,對作為數(shù)據(jù)處理工具的聚類分析技術(shù)的要求也越來越高,相應(yīng)地,聚類分析算法作為聚類分析技術(shù)中的核心內(nèi)容,也面臨著越來越高的要求。目前,已有學(xué)者提出了諸多聚類算法,常規(guī)算法依據(jù)聚類思想和規(guī)則的差異或者改進(jìn),可以劃分為五大類:劃分聚類、層次聚類、基于密度、網(wǎng)格和模型的聚類算法等五種不同的聚類算法。除此此外,還有一些新型的聚類算法被提出,包括基于粒度的核聚類算法、譜聚類算法等。但是,這些聚類算法都是根據(jù)數(shù)據(jù)集的不同類型和不同需求而進(jìn)行設(shè)計(jì)實(shí)現(xiàn),普遍具有針對性,但同時(shí)也存在著廣泛應(yīng)用的局限性和單一性,即不能有效適用于現(xiàn)有的多元、大型數(shù)據(jù)集的聚類場景。為了能夠滿足多元、高維大數(shù)據(jù)集的聚類分析的需求,本文提出了具有新特性的自適應(yīng)聚類彈性網(wǎng)絡(luò)算法NAENC。圍繞彈性網(wǎng)絡(luò)求解不同類型數(shù)據(jù)集的聚類分析問題進(jìn)行研究,本文主要研究內(nèi)容包括:(1)設(shè)計(jì)新的數(shù)據(jù)點(diǎn)與彈性節(jié)點(diǎn)之間的數(shù)學(xué)模型關(guān)系;(2)設(shè)計(jì)具有自適應(yīng)學(xué)習(xí)能力的動(dòng)態(tài)參數(shù)控制策略;(3)調(diào)整彈性網(wǎng)絡(luò)模型結(jié)構(gòu);(4)設(shè)計(jì)算法優(yōu)化策略等。同時(shí),為了驗(yàn)證本文...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 聚類算法研究現(xiàn)狀
        1.2.2 彈性網(wǎng)絡(luò)研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
    1.5 本章小結(jié)
第2章 聚類分析算法
    2.1 聚類分析的定義
    2.2 聚類算法描述
        2.2.1 基于劃分的聚類算法
        2.2.2 基于層次的聚類算法
        2.2.3 基于密度的聚類算法
        2.2.4 基于網(wǎng)格的聚類算法
        2.2.5 基于模型的聚類算法
    2.3 本章小結(jié)
第3章 彈性網(wǎng)絡(luò)算法及其在聚類中的應(yīng)用
    3.1 彈性網(wǎng)絡(luò)算法定義
    3.2 彈性網(wǎng)絡(luò)的聚類應(yīng)用
        3.2.1 極大熵原理
        3.2.2 極大熵在聚類分析中的應(yīng)用
    3.3 本章小結(jié)
第4章 提出的彈性網(wǎng)絡(luò)聚類算法
    4.1 彈性網(wǎng)絡(luò)聚類算法原理
    4.2 參數(shù)控制策略
        4.2.1 β參數(shù)的控制策略
        4.2.2 時(shí)間步的控制策略
        4.2.3 參數(shù)綜合控制策略
    4.3 網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整策略
    4.4 算法局部優(yōu)化
    4.5 算法描述與分析
    4.6 本章小結(jié)
第5章 實(shí)驗(yàn)與仿真
    5.1 隨機(jī)非均勻分布數(shù)據(jù)集
    5.2 隨機(jī)均勻分布數(shù)據(jù)集
    5.3 標(biāo)準(zhǔn)數(shù)據(jù)集
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
碩士在讀期間發(fā)表論文



本文編號：3847879