聚類算法如今已成為數(shù)據(jù)挖掘中不可缺少的一部分,隨著信息技術(shù)的迅速發(fā)展,對(duì)于聚類算法的研究和改進(jìn)更加深入。聚類算法,顧名思義根據(jù)數(shù)據(jù)對(duì)象的自身特征(或?qū)傩?及規(guī)定的衡量標(biāo)準(zhǔn)對(duì)樣本集進(jìn)行劃分,它是一種無監(jiān)督的學(xué)習(xí)方法,無需提前知曉各樣本點(diǎn)的歸屬情況。傳統(tǒng)的聚類算法需提前設(shè)定聚類簇?cái)?shù)、初始聚類中心和閾值等相關(guān)參數(shù),且這些參數(shù)的設(shè)定或選取憑經(jīng)驗(yàn)而定(即沒有明確的標(biāo)準(zhǔn)),同時(shí)不同的取值很大程度上影響著聚類的結(jié)果,這就使得在實(shí)際操作中很難進(jìn)行,也會(huì)造成聚類結(jié)果的不穩(wěn)定。因此,提高聚類算法的自適應(yīng)性,使其僅依靠樣本對(duì)象自身特征進(jìn)行聚類顯得尤為重要。本文分別針對(duì)演化聚類算法和模糊聚類算法的缺點(diǎn)提出了兩種自適應(yīng)的改進(jìn)方法,其在很大程度上提高了原始聚類算法的穩(wěn)定性和準(zhǔn)確性。(1)演化聚類算法是一種演化的在線聚類算法,該算法可實(shí)時(shí)地增加聚類個(gè)數(shù)、調(diào)整聚類中心和聚類半徑,從而獲得最佳聚類結(jié)果。但傳統(tǒng)的演化聚類算法需提前設(shè)定閾值,在沒有獲取數(shù)據(jù)集先驗(yàn)條件的情況下,閾值的選取很難決定,而不同的閾值會(huì)很大程度上影響最終的聚類效果;同時(shí)傳統(tǒng)的演化聚類算法對(duì)樣本點(diǎn)的輸入次序較敏感。針對(duì)傳統(tǒng)演化聚類算法的缺點(diǎn),本文提出了...

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1yn變化圖

j=1δj;4)以累加值yi為縱坐標(biāo),樣本排序后的序號(hào)為橫坐標(biāo)繪制散點(diǎn)圖(圖1)。圖1　y~n變化圖Fig.1　Relationshipbetweenyandn　　根據(jù)散點(diǎn)圖分布趨勢(shì),可將樣本分為5類,如表2所示。為了便于比較,把文獻(xiàn)[1,2]的結(jié)果也同17第1期舒棟才,等....

圖17開環(huán)頻率特性

圖２本文系統(tǒng)和傳統(tǒng)系統(tǒng)正確率比較結(jié)果

到的正確率比較結(jié)果、診斷率比較結(jié)果分別入圖２、圖３?明，所提診斷方法能夠有效診斷數(shù)據(jù)庫中存在的異常數(shù)據(jù)，??所示。?同時(shí)具有更高的診斷正確率以及診斷效率。??＾?￣Ｉ?參考文獻(xiàn)：??１〇〇「?ｐ?［１］趙書軍，梅燕，王蓉．一種基于粗集理論的ＢＰ神經(jīng)網(wǎng)絡(luò)加速算??＿?ｍ?＾?■傳統(tǒng)....

圖３本文系統(tǒng)和傳統(tǒng)系統(tǒng)診斷率比較結(jié)果

到的正確率比較結(jié)果、診斷率比較結(jié)果分別入圖２、圖３?明，所提診斷方法能夠有效診斷數(shù)據(jù)庫中存在的異常數(shù)據(jù)，??所示。?同時(shí)具有更高的診斷正確率以及診斷效率。??＾?￣Ｉ?參考文獻(xiàn)：??１〇〇「?ｐ?［１］趙書軍，梅燕，王蓉．一種基于粗集理論的ＢＰ神經(jīng)網(wǎng)絡(luò)加速算??＿?ｍ?＾?■傳統(tǒng)....

本文編號(hào)：3914926