版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、聚類分析是數(shù)據(jù)挖掘的一個(gè)重要分支，模糊理論的引入給聚類分析注入了新的活力。目前，模糊聚類已廣泛應(yīng)用于統(tǒng)計(jì)學(xué)、市場學(xué)、生物學(xué)等領(lǐng)域。現(xiàn)有聚類算法大多不適用于強(qiáng)噪聲數(shù)據(jù)，本文針對此類問題提出了基于參數(shù)尋優(yōu)的模糊聚類算法，具體內(nèi)容如下。
首先對經(jīng)典模糊C均值聚類算法(FCM)的適應(yīng)性進(jìn)行了研究，并對其進(jìn)行了改進(jìn)。FCM算法的距離度量從L2范數(shù)改為Lp范數(shù)可提高魯捧性，但p參數(shù)的選擇較難，針對此問題我們提出了中心點(diǎn)估計(jì)算法FMMLE(
2、Fuzzy Multi-MetricLocation Estimation)，并通過實(shí)驗(yàn)證實(shí)了其主要優(yōu)點(diǎn)在于能夠自動(dòng)搜索出最優(yōu)的p值，因而具有較強(qiáng)的魯棒性。另外，在此算法的基礎(chǔ)上，提出了異常點(diǎn)檢測算法FRMMC(Fuzzy Robust Multi-Metric Clustering)，并采用模擬數(shù)據(jù)及真實(shí)的Wisconsin乳腺癌數(shù)據(jù)驗(yàn)證了算法的有效性。最后，將上述參數(shù)尋優(yōu)的思想推廣到非線性分類問題，針對模糊核聚類算法中核參數(shù)選擇難的
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于層次聚類的模糊聚類算法的研究.pdf
- 基于隨機(jī)模糊的聚類算法研究.pdf
- 基于層次的模糊聚類算法.pdf
- 基于協(xié)同的模糊聚類算法的研究.pdf
- 基于粒子群算法的模糊聚類研究.pdf
- 基于模糊聚類算法的圖像分割研究.pdf
- 基于模糊聚類算法的文本挖掘.pdf
- 模糊聚類算法研究.pdf
- 基于hadoop平臺(tái)的模糊聚類算法研究
- 基于hadoop平臺(tái)的模糊聚類算法研究.pdf
- 基于核函數(shù)的模糊聚類算法研究.pdf
- 模糊聚類新算法的研究.pdf
- 基于模糊聚類算法的路面識(shí)別的研究.pdf
- 基于模糊聚類的入侵檢測算法研究.pdf
- 基于廣義熵的加權(quán)模糊聚類算法研究.pdf
- 基于自然計(jì)算的模糊聚類新算法研究.pdf
- 基于模糊聚類的社團(tuán)劃分算法研究.pdf
- 基于模糊聚類算法的圖像分割問題研究.pdf
- 基于目標(biāo)函數(shù)改進(jìn)的模糊聚類算法研究.pdf
- 模糊聚類算法及其聚類有效性的研究.pdf
評(píng)論
0/150
提交評(píng)論