聚類挖掘研究及其在隧道病害評價中的應用.pdf

1、信息社會對海量數(shù)據(jù)的處理能力提出了更高的要求。數(shù)據(jù)挖掘技術伴隨著這種需求應運而生，已成為信息技術研究的熱點之一。而聚類挖掘是數(shù)據(jù)挖掘技術中被廣泛采用的技術之一。 本文主要對模糊聚類算法FCM進行了改進：結合競爭聚類算法CA、健壯性算法NC和關系型聚類算法FRC，提出了新的目標函數(shù)，并借鑒以上幾種算法的推導方法，推導出隸屬度的迭代公式。該算法具有以下特點：第一，通過競爭因子，使大量的初始聚類逐漸退化到最佳數(shù)目的聚類，可以解決傳統(tǒng)算

2、法由于缺乏先驗知識而產生的聚類數(shù)目不合理的問題；第二，通過引入噪聲類項，使得算法對孤立點有良好的適應性，從而更加健壯；第三，在目標函數(shù)中直接引入相異度函數(shù)，使得算法可以直接適用于非歐幾里德距離的關系數(shù)據(jù)。此外，在研究基于劃分的聚類算法的基礎上，對k-均值算法進行改進，提出PKM算法，通過計算機仿真驗證了算法的優(yōu)越性。 結合隧道病害檢測數(shù)據(jù)的特點，提出了從預處理到評價的有效方法。首先，對數(shù)據(jù)進行清洗，采用離散化和歸一化方法對數(shù)據(jù)進