模糊聚類研究及其在水文分區(qū)中的應(yīng)用.pdf

1、聚類分析是數(shù)據(jù)挖掘中的一個(gè)分支,模糊聚類是聚類中的重要方法,已經(jīng)取得了豐富的成果,其中的模糊C-均值(FCM)算法具有良好的性能和廣泛的應(yīng)用價(jià)值.然而,FCM算法對初始聚類中心的敏感問題影響了實(shí)際應(yīng)用的質(zhì)量和效果.本文針對這一問題展開研究,并將研究成果應(yīng)用于安徽省淮河流域水文分區(qū). 主要工作如下: (1)研究分析了數(shù)據(jù)挖掘及模糊聚類的現(xiàn)狀及存在問題,描述了模糊理論中的相關(guān)方法. (2)研究了神經(jīng)網(wǎng)絡(luò)和模擬退火聚類

2、算法.分別對基于模糊邏輯的神經(jīng)元網(wǎng)絡(luò)聚類和使用Cauchy訓(xùn)練的模擬退火聚類算法進(jìn)行了單獨(dú)和混合實(shí)驗(yàn),對聚類過程中能量的變化、聚類有效性和聚類耗時(shí)等方面做出了分析和總結(jié). (3)在研究分析FcM模糊聚類算法的基礎(chǔ)上,提出了模糊聚類算法NFC.該算法首先運(yùn)用基于模糊邏輯的神經(jīng)元網(wǎng)絡(luò)和Cauchy訓(xùn)練的模擬退火聚類算法求解初始聚類中心,然后運(yùn)用FCM進(jìn)行聚類,解決了FCM對初始聚類中心敏感和局部極值的問題,在隨機(jī)給出初始聚類中心的實(shí)