聚類是模式識(shí)別、機(jī)器學(xué)習(xí)和圖像處理等領(lǐng)域的重要研究?jī)?nèi)容。聚類分析已經(jīng)成為聚類領(lǐng)域的研究熱點(diǎn),受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。其中,模糊聚類由于引進(jìn)模糊集概念,能夠有效處理現(xiàn)實(shí)中的模糊性問題,已經(jīng)成為聚類分析中不可或缺的一部分。模糊C-均值聚類算法(Fuzzy C-Means,FCM)是模糊聚類最常用的實(shí)現(xiàn)算法之一。FCM算法設(shè)計(jì)簡(jiǎn)單,運(yùn)行效率高,可以有效地處理大數(shù)據(jù)集,在模糊聚類算法中占據(jù)非常重要的地位,但是該算法在某些方面還存在一些欠缺,比如需要預(yù)先給定最佳聚類數(shù)、不同的模糊度m會(huì)導(dǎo)致不同的聚類數(shù)結(jié)果等缺陷。針對(duì)以上缺點(diǎn),目前主要通過聚類有效性進(jìn)行驗(yàn)證,以判斷聚類結(jié)果的好壞。聚類有效性分析主要通過提出合適的聚類有效性指標(biāo),作為算法的判斷依據(jù),但是現(xiàn)有的聚類有效性指標(biāo)大多數(shù)只能處理分離性較好的數(shù)據(jù)集,對(duì)于噪聲污染以及多類型結(jié)構(gòu)并存的數(shù)據(jù)集,無法有效地做出正確判斷。因此,本文從多角度分析,尋找更加合適的聚類有效性指標(biāo),使得FCM算法能夠在無人工干預(yù)的情況下,有效地處理不同結(jié)構(gòu)類型的數(shù)據(jù)集。本文主要研究工作如下:(1)本文首先針對(duì)現(xiàn)有聚類有效性指標(biāo)在含有噪聲與重疊的數(shù)據(jù)集上無法有效判斷最佳聚類...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．２聚類過程示意圖??Ｆｉｇ．?１．２?Ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｃｌｕｓｔｅｒｉｎｇ?ｐｒｏｃｅｓｓ??

圖ｌ．ｉ數(shù)據(jù)挖掘的主要內(nèi)容??Ｆｉｇ．?１．１?Ｍａｉｎ?ｃｏｎｔｅｎｔｓ?ｏｆ?ｄａｔａ?ｍｉｎｉｎｇ??通常情況下，聚類過程如示意圖（圖１．２）所示，三個(gè)步驟的詳細(xì)解釋如下（１）??數(shù)據(jù)轉(zhuǎn)換，主要內(nèi)容是變量選擇、數(shù)據(jù)標(biāo)準(zhǔn)化和距離函數(shù)選擇等；（２）選擇聚類算法，??確定算法相關(guān)....

圖２．１模糊Ｃ－均值算法的基本框架??

＿?｛卜２（＇，ｖ，）ｙｍ?＇??Ｍ，Ｊ??２．１．２模糊Ｃ－均值算法的基本流程??模糊Ｃ－均值聚類算法的基本框架如圖２．１所示，具體步驟如表２．１所示．??－１２－??

圖３．５?ＦＣＭ和ＦＣＭ－ＦＡＰＳＯ算法在６個(gè)數(shù)據(jù)集上得到的目標(biāo)函數(shù)平均值的比較??－

■■■■■■■■■■■■■■■■Ｉ?３３２０３４．３２??ｊｊｊＢＢＢＢＢＢＢＳＲ７３２８．１??圖３．６?ＦＣＭ和ＦＣＭ－ＦＡＰＳＯ算法在６個(gè)數(shù)據(jù)集上得到的目標(biāo)函數(shù)最優(yōu)值的比較??Ｆｉｇ．?３．６?Ｔｈｅ?ｂｅｓｔ?ｒｅｓｕｌｔｓ?ｏｆ?ＦＣＭ?ａｎｄ?ＦＣＭ－ＦＡＰＳＯ?ｍｅ....

圖４．１帶有噪音點(diǎn)的ＦＣＭ聚類結(jié)果??

于初始中心點(diǎn)優(yōu)化選擇的模糊Ｃ－均值聚類算法??引言??交通系統(tǒng)中我們常常需要分析出租車運(yùn)營(yíng)軌跡，為加油站選址提供支持，以統(tǒng)進(jìn)行優(yōu)化．這就需要用到數(shù)據(jù)挖掘相關(guān)知識(shí)分析車輛軌跡信息，從中找出跡，根據(jù)這些信息合理設(shè)置加油站位置，使得出租車花費(fèi)的時(shí)間和成本最軌跡信息具有連續(xù)性，由此決定了....

本文編號(hào)：3916332