發(fā)布時(shí)間：2017-04-13 08:26

  本文關(guān)鍵詞：模糊聚類(lèi)在經(jīng)濟(jì)區(qū)域劃分中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),隨著信息全球化和互聯(lián)網(wǎng)化,大量數(shù)據(jù)的產(chǎn)生出現(xiàn)了信息過(guò)載的現(xiàn)象,數(shù)據(jù)挖掘應(yīng)運(yùn)而生,聚類(lèi)技術(shù)就是具有代表性的數(shù)據(jù)挖掘技術(shù)。聚類(lèi)分析應(yīng)用于數(shù)據(jù)挖掘得到了顯著效果,但是,隨著人們認(rèn)識(shí)的深入,發(fā)現(xiàn)這種非此即彼的分類(lèi)越來(lái)越不適用于具有模糊性的分類(lèi)問(wèn)題。因此,結(jié)合了機(jī)器學(xué)習(xí)以及模糊數(shù)學(xué)兩家之長(zhǎng)的模糊聚類(lèi)技術(shù)成為了聚類(lèi)技術(shù)的新寵兒,在聚類(lèi)精度上取得了突出的成績(jī)。如何從統(tǒng)計(jì)年鑒那些浩瀚的經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)中獲得較為準(zhǔn)確的劃分就成了一個(gè)難題,尤其是在毫無(wú)先驗(yàn)信息的前提下。本文利用基于FCM的模糊聚類(lèi)算法,以六項(xiàng)宏觀經(jīng)濟(jì)指標(biāo)作為劃分依據(jù),得出了非常有效的聚類(lèi)結(jié)果,具有很強(qiáng)的實(shí)際參考意義。本文圍繞模糊聚類(lèi)技術(shù)的研究,主要進(jìn)行以下研究并列出了相應(yīng)研究結(jié)果：1、介紹了聚類(lèi)分析技術(shù)的概念和一般要求,然后討論了聚類(lèi)分析的常見(jiàn)方法,重點(diǎn)描述并實(shí)現(xiàn)了經(jīng)典聚類(lèi)分析-Kmeans算法,實(shí)驗(yàn)發(fā)現(xiàn),Kmeans算法具有局部最優(yōu)和收斂速度快的特點(diǎn),但無(wú)法保證全局最優(yōu),而且對(duì)初值敏感,精度表現(xiàn)也中規(guī)中矩。2、詳細(xì)研究了模糊聚類(lèi)技術(shù),在模糊數(shù)學(xué)基礎(chǔ)上,從模糊關(guān)系和模糊劃分兩方面入手,實(shí)現(xiàn)了對(duì)兩種模糊聚類(lèi)算法并分別進(jìn)行了數(shù)據(jù)集實(shí)驗(yàn)。基于模糊關(guān)系的聚類(lèi)可以得出最佳分類(lèi)對(duì)應(yīng)的最佳閾值或所屬區(qū)間,但容易出現(xiàn)孤立點(diǎn)問(wèn)題；基于模糊劃分的FCM算法的最終輸出是隸屬度矩陣,兼具效率和精度,而且聚類(lèi)結(jié)果可以清晰的認(rèn)識(shí)到每個(gè)樣本屬于每一類(lèi)的程度。3、利用FCM算法高聚類(lèi)精度的特點(diǎn),應(yīng)用在了我國(guó)2013年區(qū)域經(jīng)濟(jì)劃分,實(shí)驗(yàn)結(jié)果揭示了過(guò)去的2013年,我國(guó)東部、中部、西部發(fā)展差距依然存在,地區(qū)發(fā)展不平衡這個(gè)老問(wèn)題必須引起我們足夠的重視。從分類(lèi)結(jié)果看,大體上可以反映我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展的真實(shí)情況,驗(yàn)證了模糊聚類(lèi)方法的有效性。在沒(méi)有任何先驗(yàn)信息的前提下,僅僅從數(shù)據(jù)本身出發(fā),得出四類(lèi)發(fā)展水平不同的地區(qū),取得了很好的效果,可以為實(shí)際經(jīng)濟(jì)工作的展開(kāi)提供前期判斷,加快效率。
【關(guān)鍵詞】：聚類(lèi)分析 Kmeans 模糊關(guān)系 最佳閾值 模糊劃分 FCM 區(qū)域經(jīng)濟(jì)劃分
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：F127;O159
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-13
• 1.1 研究背景和研究意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-12
• 1.3 本文主要工作和章節(jié)安排12-13
• 第2章 經(jīng)典聚類(lèi)分析13-20
• 2.1 聚類(lèi)分析的概述13-14
• 2.2 經(jīng)典聚類(lèi)分析——K均值聚類(lèi)14-16
• 2.3 算法實(shí)例及其結(jié)果分析16-20
• 第3章 基于模糊關(guān)系的聚類(lèi)分析20-28
• 3.1 模糊集和模糊關(guān)系20
• 3.2 基于模糊關(guān)系的聚類(lèi)分析算法20-23
• 3.2.1 算法的一般步驟20-22
• 3.2.2 最佳閾值γ的確定22-23
• 3.3 算法實(shí)例及其結(jié)果分析23-28
• 第4章 基于模糊劃分的聚類(lèi)分析28-33
• 4.1 普通C-劃分28
• 4.2 模糊C-劃分28-29
• 4.3 基于模糊C-劃分的聚類(lèi)分析算法(FCM)29-30
• 4.4 算法實(shí)例及其結(jié)果分析30-33
• 第5章 FCM在區(qū)域經(jīng)濟(jì)劃分中的應(yīng)用33-38
• 5.1 應(yīng)用背景和數(shù)據(jù)集介紹33-35
• 5.2 實(shí)驗(yàn)結(jié)果及其實(shí)際意義分析35-38
• 第6章 總結(jié)與展望38-39
• 致謝39-40
• 參考文獻(xiàn)40-43
• 攻讀碩士學(xué)位期間發(fā)表的論文43-44
• 附錄一：IRIS數(shù)據(jù)集44-49
• 附錄二：對(duì)IRIS數(shù)據(jù)集進(jìn)行FCM得到的隸屬度矩陣U_(iria)49-55

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 賀玲;吳玲達(dá);蔡益朝;;數(shù)據(jù)挖掘中的聚類(lèi)算法綜述[J];計(jì)算機(jī)應(yīng)用研究;2007年01期

2 王立新,劉華民;模糊聚類(lèi)法在我國(guó)城市內(nèi)河水質(zhì)污染分類(lèi)研究中的應(yīng)用[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 楊小兵;聚類(lèi)分析中若干關(guān)鍵技術(shù)的研究[D];浙江大學(xué);2005年

  本文關(guān)鍵詞：模糊聚類(lèi)在經(jīng)濟(jì)區(qū)域劃分中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：303214