在模式識別領域中,聚類分析作為一種重要的手段除了應用于聚類問題本身,還常常應用于數據分析、特征提取、分類。然而在聚類分析問題中,由于在實際的場景下經常會遇到數據質量差含噪聲和異常點較多、數據可分性差不適應于算法的先驗假設等情況,傳統(tǒng)的聚類方法如Kmeans,GMM聚類效果會受到干擾。基于模糊理論的聚類算法將模糊集合理論應用于聚類算法,也稱為軟聚類算法,用于表達數據點不單單只屬于一個類別的概念。模糊聚類算法的理論使得人們開始使用模糊集合表達聚類問題中的不確定性,但是聚類算法本身的遇到的實際問題并沒有得到解決。近年來部分學者希望將中智學集合引入聚類分析問題,希望解決其中的異常點以及聚類邊界的問題。針對這些問題,本文將中智學集合引入了聚類算法中,主要進行了以下方面的工作:（1）本文設計了基于中智學集合的聚類算法框架,通過中智學集合的思想,結合聚類算法的代價函數,對實際數據集中的噪聲和異常點樣本、邊界模糊樣本進行針對性地處理。通過該思想本文提出了改造于GMM模型的NGMM算法,除此之外,本文提出了在GMM模型下中智域I域以及F域的設計,分析了中智域在實際場景中可能出現的問題如歸一化的問題、超參... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數】：59 頁

【學位級別】：碩士

【部分圖文】：

模糊數據分布圖

kmeans算法中各樣本點隸屬度取值

的圖變成了一個較為光滑的曲線。圖 2-3 FCM 算法中各樣本點隸屬度取值圖 2-3 給出了在 FCM 下，各個樣本點對于 A 類的隸屬度取值，紅點在 kmeans 算法中屬于 B 類，在 FCM 算法中紅點仍然對 A 類有 0.2 的隸屬度。2.2.3 基于模糊理論的 GMM 算法近年來有人將模糊理論應用于其他的聚類算法，如模糊高斯混合模型(Fuzzy Guassian Mixture Models, FGMMs)，參考于 FCMs 算法的思想結合 GMM本身的特性于 2011 年被提出。GMM 是經典的基于概率分布模型的算法，但GMM 本身可以看做一種軟聚類算法，在算法迭代過程中會不斷計算樣本點對于每個類的后驗概率

【參考文獻】：
期刊論文
[1]基于中智模糊聚類的彩色圖像魯棒分割算法[J]. 吳成茂,上官若愚.  西安郵電大學學報. 2017(01)
[2]核空間中智模糊聚類及圖像分割應用[J]. 崔西希,吳成茂.  中國圖象圖形學報. 2016(10)



本文編號：3242527