隨著信息技術(shù)日新月異的發(fā)展,數(shù)據(jù)的規(guī)模和維度都在不斷增長,數(shù)據(jù)呈現(xiàn)出高維特性。聚類是數(shù)據(jù)分析最常用的一種手段,但是由于高維數(shù)據(jù)中存在大量無關(guān)屬性、分布稀疏和計算復(fù)雜等原因,K-means等傳統(tǒng)的聚類算法在高維數(shù)據(jù)上表現(xiàn)不理想。針對高維數(shù)據(jù)的聚類問題,子空間聚類算法是一種直觀的解決方案,即將高維特征空間轉(zhuǎn)化到低維特征空間進行聚類,可以用主成分分析（PCA）、稀疏子空間聚類算法（SSC）和低秩表示算法（LRR）等方法來實現(xiàn)。雖然這些子空間聚類也取得了不俗的效果,但是這些通過淺層模型學(xué)習(xí)的數(shù)據(jù)表示可能無法捕捉高維數(shù)據(jù)的復(fù)雜的潛在結(jié)構(gòu);其次需要整個數(shù)據(jù)作為字典來學(xué)習(xí)特征,難以處理大規(guī)模據(jù)集。深度學(xué)習(xí)由于其出色的特征學(xué)習(xí)能力和快速推理能力,被認為是解決這些問題的有效手段。針對上述的問題,本文研究了子空間聚類算法和自編碼器,提出基于局部結(jié)構(gòu)保留的級聯(lián)子空間聚類算法（Improved Cascade Subspace Clustering Based on Local Structure Preservation ICSC）。ICSC算法通過最小化樣本點在兩種距離度量空間下分布的差異微調(diào)特征空間,為... 

【文章來源】：華東交通大學(xué)江西省

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

簡單的神經(jīng)網(wǎng)絡(luò)例子Fig.2-1Asimpleexampleofaneuralnetwork

Sigmoid函數(shù)及其導(dǎo)函數(shù)Fig.2-2Sigmoidfunctionanditsderivativefunction

tanh函數(shù)及其導(dǎo)函數(shù)Fig.2-3tanhfunctionanditsderivativefunction

【參考文獻】：
期刊論文
[1]一種基于多屬性權(quán)重的分類數(shù)據(jù)子空間聚類算法[J]. 龐寧,張繼福,秦嘯.  自動化學(xué)報. 2018(03)
[2]聚類算法研究綜述[J]. 陳新泉,周靈晶,劉耀中.  集成技術(shù). 2017(03)
[3]稀疏子空間聚類綜述[J]. 王衛(wèi)衛(wèi),李小平,馮象初,王斯琪.  自動化學(xué)報. 2015(08)
[4]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應(yīng)用研究. 2012(08)

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的視覺識別分類研究[D]. 李燕飛.內(nèi)蒙古工業(yè)大學(xué) 2018
[2]基于高維數(shù)據(jù)的聚類算法研究[D]. 史冬生.深圳大學(xué) 2017



本文編號：3414952