基于清晰半径的模糊点二次聚类算法_信息与计算科学.doc

  • 需要金币1000 个金币
  • 资料目录论文助手 > 高校设计 > 计算机信息 >
  • 转换比率:金钱 X 10=金币数量, 例100元=1000金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2015-03-17
  • 论文字数:10656
  • 课题出处:(乖宝宝)提供原创资料
  • 资料包括:完整论文

支付并下载

摘 要:在聚类算法中,基于模糊划分的模糊C-均值(FCM)算法是一种重要的算法.FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小.它有深厚的数学基础和完善的理论,但是它还存在一些不足之处.

本文针对传统FCM算法结果中在模糊边界上存在部分模糊点划分错误的问题,提出了一种对模糊点的二次聚类新算法.在FCM算法结果中,根据隶属度较高的清晰点,定义一种新的基于清晰半径的相似性距离,对模糊点的隶属度进行二次计算.新方法以各类中的数据分布特征为依据,对模糊点和清晰点,分别采用不同的相似性距离计算隶属度,从而能够重新确定模糊点的类别归属.这种改进算法的特点就是定义了新的清晰半径,使得对模糊点的隶属度分类更加清晰.与FCM算法的实验结果比较发现,这种方法能提高聚类的精确度,有效纠正分类错误,提高模糊点的精度,在密度差异较大的数据集上具有一定的应用潜力.

关键词:模糊聚类;模糊点;相似性距离;清晰半径;二次聚类

 

目录

摘要

Abstract

第1章 绪论-1

1.1 背景及意义-1

1.2 基本框架-3

第2章 基于清晰半径的模糊点二次聚类算法-5

2.1 模糊C均值聚类算法-5

2.2 基于清晰半径的模糊点二次聚类算法-5

2.3 改进FCM算法公式推导-6

第3章 程序设计-9

3.1 改进算法的步骤-9

3.2 编程思路及代码实现-9

第4章 实验结果分析-11

4.1聚类结果-11

4.2隶属度的调整分析-11

第5章  结论与展望-15

5.1 结论-15

5.2 不足之处及未来展望-15

参考文献-17

致  谢-19


支付并下载

提示:本站支持手机(IOS,Android)下载论文,如果手机下载不知道存哪或打不开,可以用电脑下载,不会重复扣费