無監(jiān)督聚類算法和支持向量機及其應用研究.pdf

1、聚類分析方法按一定的距離或相似性測度將數(shù)據(jù)分成若干不同的組，由此發(fā)現(xiàn)整個數(shù)據(jù)集合的分布、結(jié)構(gòu)與模式。根據(jù)學習方式的不同可將聚類算法分為兩大類：有監(jiān)督聚類和無監(jiān)督聚類。監(jiān)督方法的分類精度通常較高，但它的結(jié)果直接依賴于所選取的訓練樣本，為此需要大量高質(zhì)量的有標記樣本，這在一定程度上限制了其應用；而且確實在很多實際應用中由于缺少形成模式類過程的知識，人們往往只能用沒有類別標簽的樣本進行工作，即非監(jiān)督分類方法，但它得到的結(jié)果通常很難令人滿意。針

2、對這種情況，本文將非監(jiān)督和監(jiān)督分類方法結(jié)合起來，提出一種基于K-means和SVM模型結(jié)合的全自動分類方法，主要工作總結(jié)如下： (1)對無監(jiān)督聚類算法進行了討論，著重介紹了K均值(K-means)和模糊C均值(FCM)算法，并進行了實驗對比。 (2)對支持向量機算法進行了深入研究，結(jié)合無監(jiān)督聚類和監(jiān)督分類方法的優(yōu)點，提出了一種K-means和SVM結(jié)合的混合模型，Iris、Wine和遙感數(shù)據(jù)實驗結(jié)果驗證了混合模型的有效性