發(fā)布時間：2021-09-28 16:24

　　數據挖掘經過幾十年的發(fā)展,已經成為目前計算機科學研究領域的重要方向之一,通過數據挖掘我們可以在數據中探索到潛在的規(guī)律。數據挖掘中有一項在我們日常生活中應用非常廣泛且非常重要的方法,即聚類分析。同樣,聚類分析也一直是國內外相關學者研究的一個重要領域。聚類分析技術可以探究到數據中潛在的構造,從而在很多專業(yè)領域的運用非常廣泛。在聚類分析領域中,基于概念分解算法（CF）得到了廣泛的應用,因為該方法能夠將矩陣分解推廣到單個非線性核空間,使得多維數據更容易被描述,該方法被廣泛運用在信號處理和計算機視覺等領域的研究中。但是,基于概念分解的聚類算法在實際應用中面臨的一個重要問題是針對特定的任務或數據集該如何設計合適的核函數,因為很多情況下單一的線性方法或非線性方法不能體現任務的具體特性。針對概念分解在聚類分析時面臨的核函數選擇和設計的困難,我們提出了兩個相應的多核概念分解方法,具體如下:（1）提出了基于全局融合的多核概念分解方法（GMKCF）。該方法通過全局線性加權的方式將多個候選核函數合并,并將多核融合過程和概念分解過程進行聯合學習。一方面借助融合后的高質量核函數提升概念分解質量,另一方面借助概念分... 

【文章來源】：山西大學山西省

【文章頁數】：81 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國內外研究現狀
    1.3 主要研究內容
    1.4 論文組織結構
第二章 基礎知識
    2.1 聚類分析相關理論
        2.1.1 聚類分析的概念
        2.1.2 聚類算法的分類
    2.2 非負矩陣分解相關理論
        2.2.1 非負矩陣分解研究背景
        2.2.2 非負矩陣分解定義
        2.2.3 非負矩陣分解的應用
    2.3 概念分解相關理論
        2.3.1 基本理論
        2.3.2 概念分解方法研究進展
    2.4 多核聚類相關理論
        2.4.1 多核聚類代表性方法
        2.4.2 多核聚類的研究進展
    2.5 本章小結
第三章 基于全局融合的多核概念分解模型求解算法
    3.1 基于全局融合的多核概念分解模型
    3.2 基于全局融合的多核概念分解模型求解算法
        3.2.1 基于全局融合的多核概念分解算法
        3.2.2 算法收斂性證明
        3.2.3 算法復雜性說明
    3.3 實驗結果與分析
        3.3.1 數據集的選擇
        3.3.2 對比方法
        3.3.3 評價指標
        3.3.4 聚類結果分析
        3.3.5 運行時間分析
    3.4 本章小結
第四章 基于局部判別分析全局集成的多核概念分解算法
    4.1 基于局部判別分析全局集成的多核概念分解模型
        4.1.1 多核概念分解
        4.1.2 局部判別正則化
        4.1.3 局部判別分析全局集成的多核概念分解模型
    4.2 基于局部判別分析全局集成的多核概念分解模型求解算法
        4.2.1 基于局部判別分析全局集成的多核概念分解算法
        4.2.2 收斂性證明
        4.2.3 算法復雜性說明
    4.3 實驗結果與分析
        4.3.1 數據集的選擇
        4.3.2 對比方法
        4.3.3 實驗設置
        4.3.4 聚類結果分析
        4.3.5 運行時間分析
        4.3.6 參數敏感性
        4.3.7 收斂性
        4.3.8 GMKCF和DMKCF比較
    4.4 本章小結
    4.5 本章附錄
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士學位期間取得的研究成果
致謝
個人簡況及聯系方式


【參考文獻】：
期刊論文
[1]基于全局融合的多核概念分解算法[J]. 李飛,杜亮,任超宏.  計算機應用. 2019(04)
[2]數據挖掘常用分類算法研究[J]. 王明星,劉鋒.  電腦知識與技術. 2013(34)
[3]基于線性投影結構的非負矩陣分解[J]. 李樂,章毓晉.  自動化學報. 2010(01)
[4]基于聚類的網絡輿情熱點發(fā)現及分析[J]. 王偉,許鑫.  現代圖書情報技術. 2009(03)
[5]非負矩陣分解算法綜述[J]. 李樂,章毓晉.  電子學報. 2008(04)
[6]基于用戶聚類的電子商務推薦系統(tǒng)[J]. 潘宇,林鴻飛,楊志豪.  計算機應用與軟件. 2008(04)
[7]基于層次劃分的最佳聚類數確定方法[J]. 陳黎飛,姜青山,王聲瑞.  軟件學報. 2008(01)
[8]核聚類算法[J]. 張莉,周偉達,焦李成.  計算機學報. 2002(06)



本文編號：3412259