發(fā)布時(shí)間：2021-06-22 08:41

　　在模式識別領(lǐng)域中,聚類分析作為一種重要的手段除了應(yīng)用于聚類問題本身,還常常應(yīng)用于數(shù)據(jù)分析、特征提取、分類。然而在聚類分析問題中,由于在實(shí)際的場景下經(jīng)常會(huì)遇到數(shù)據(jù)質(zhì)量差含噪聲和異常點(diǎn)較多、數(shù)據(jù)可分性差不適應(yīng)于算法的先驗(yàn)假設(shè)等情況,傳統(tǒng)的聚類方法如Kmeans,GMM聚類效果會(huì)受到干擾�；谀：碚摰木垲愃惴▽⒛：侠碚搼�(yīng)用于聚類算法,也稱為軟聚類算法,用于表達(dá)數(shù)據(jù)點(diǎn)不單單只屬于一個(gè)類別的概念。模糊聚類算法的理論使得人們開始使用模糊集合表達(dá)聚類問題中的不確定性,但是聚類算法本身的遇到的實(shí)際問題并沒有得到解決。近年來部分學(xué)者希望將中智學(xué)集合引入聚類分析問題,希望解決其中的異常點(diǎn)以及聚類邊界的問題。針對這些問題,本文將中智學(xué)集合引入了聚類算法中,主要進(jìn)行了以下方面的工作:（1）本文設(shè)計(jì)了基于中智學(xué)集合的聚類算法框架,通過中智學(xué)集合的思想,結(jié)合聚類算法的代價(jià)函數(shù),對實(shí)際數(shù)據(jù)集中的噪聲和異常點(diǎn)樣本、邊界模糊樣本進(jìn)行針對性地處理。通過該思想本文提出了改造于GMM模型的NGMM算法,除此之外,本文提出了在GMM模型下中智域I域以及F域的設(shè)計(jì),分析了中智域在實(shí)際場景中可能出現(xiàn)的問題如歸一化的問題、超參... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

模糊數(shù)據(jù)分布圖

kmeans算法中各樣本點(diǎn)隸屬度取值

的圖變成了一個(gè)較為光滑的曲線。圖 2-3 FCM 算法中各樣本點(diǎn)隸屬度取值圖 2-3 給出了在 FCM 下，各個(gè)樣本點(diǎn)對于 A 類的隸屬度取值，紅點(diǎn)在 kmeans 算法中屬于 B 類，在 FCM 算法中紅點(diǎn)仍然對 A 類有 0.2 的隸屬度。2.2.3 基于模糊理論的 GMM 算法近年來有人將模糊理論應(yīng)用于其他的聚類算法，如模糊高斯混合模型(Fuzzy Guassian Mixture Models, FGMMs)，參考于 FCMs 算法的思想結(jié)合 GMM本身的特性于 2011 年被提出。GMM 是經(jīng)典的基于概率分布模型的算法，但GMM 本身可以看做一種軟聚類算法，在算法迭代過程中會(huì)不斷計(jì)算樣本點(diǎn)對于每個(gè)類的后驗(yàn)概率

【參考文獻(xiàn)】：
期刊論文
[1]基于中智模糊聚類的彩色圖像魯棒分割算法[J]. 吳成茂,上官若愚.  西安郵電大學(xué)學(xué)報(bào). 2017(01)
[2]核空間中智模糊聚類及圖像分割應(yīng)用[J]. 崔西希,吳成茂.  中國圖象圖形學(xué)報(bào). 2016(10)



本文編號：3242527