已閱讀1頁，還剩40頁未讀， 繼續(xù)免費閱讀
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)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、聚類分析是多元統(tǒng)計分析的一種，也是非監(jiān)督模式識別的一個重要分支。它己經(jīng)被廣泛地應(yīng)用于模式識別、數(shù)據(jù)挖掘、決策分析和預(yù)測等許多領(lǐng)域。引入模糊理論的模糊聚類分析為現(xiàn)實數(shù)據(jù)提供了模糊處理能力，更能客觀地反映現(xiàn)實世界，從而成為聚類分析研究的主流。 本文對模糊聚類分析進行了研究，主要做了以下工作： 1)對模糊C-均值(Fuzzy C-Means，F(xiàn)CM)與遺傳算法相結(jié)合的混合聚類算法進行了研究。用遺傳算法求解，其關(guān)鍵的問題是染色體
2、編碼、個體適應(yīng)度評價、遺傳算子的設(shè)計以及遺傳參數(shù)的設(shè)置，本文給出了關(guān)于這些問題的一種新的設(shè)計方法，在文獻[26]的基礎(chǔ)上提出了一個改進的遺傳模糊混合聚類算法(HGFA)。并用MATLAB進行仿真實驗，結(jié)果表明，這種改進后的算法能夠有效的提高收斂速度，改善聚類效果。在收斂速度和對初值的敏感性方面HGFA算法明顯優(yōu)于FCM，在聚類質(zhì)量及收斂速度上優(yōu)于原有算法。 2)對改進的遺傳模糊混合聚類算法(HGFA)的應(yīng)用進行了研究。本文將H
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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，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
- 模糊聚類的混合推薦算法研究.pdf
- 基于遺傳算法的模糊聚類研究及其應(yīng)用.pdf
- 模糊文本聚類算法的研究與應(yīng)用.pdf
- 基于改進遺傳算法的模糊聚類研究及應(yīng)用.pdf
- 基于遺傳算法的模糊聚類技術(shù)的研究.pdf
- 基于遺傳算法的模糊聚類方法的研究與實現(xiàn).pdf
- 基于遺傳算法的模糊聚類挖掘方法應(yīng)用研究.pdf
- 基于遺傳算法的模糊聚類技術(shù)研究及應(yīng)用.pdf
- 模糊聚類算法應(yīng)用研究.pdf
- 基于混合蛙跳的數(shù)據(jù)挖掘模糊聚類算法研究.pdf
- Web事務(wù)聚類中模糊聚類算法的應(yīng)用研究.pdf
- 基于模糊理論的譜聚類算法研究與應(yīng)用.pdf
- 模糊聚類算法的研究與實現(xiàn).pdf
- 基于遺傳算法與模糊聚類的文本分類研究.pdf
- 基于遺傳算法和信息熵的改進模糊聚類算法研究及應(yīng)用.pdf
- 模糊聚類算法研究.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 遺傳算法及模糊聚類在彩色地圖識別中的應(yīng)用.pdf
- 混合屬性聚類算法的研究及應(yīng)用.pdf
- 模糊聚類新算法的研究.pdf
評論
0/150
提交評論