在當(dāng)今社會(huì),聚類分析是人們處理各種數(shù)據(jù)挖掘問題的重要途徑之一。神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、高速尋找優(yōu)化解等優(yōu)點(diǎn),運(yùn)用神經(jīng)網(wǎng)絡(luò)算法求解聚類問題是近年來的研究熱點(diǎn)。彈性網(wǎng)絡(luò)算法（ENA）是一種強(qiáng)大的神經(jīng)網(wǎng)絡(luò)算法,具有網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、自學(xué)習(xí)等優(yōu)勢(shì),但其主要用于旅行商問題,很少用于求解聚類問題。本文通過對(duì)當(dāng)前聚類算法、神經(jīng)網(wǎng)絡(luò)和彈性網(wǎng)絡(luò)算法在國(guó)內(nèi)外的研究現(xiàn)狀進(jìn)行了分析和研究,然后就當(dāng)前主要聚類方法的特點(diǎn)及優(yōu)缺點(diǎn)進(jìn)行了分析。面向聚類問題的特點(diǎn),從聚類數(shù)給定與未給定兩個(gè)方面出發(fā),提出了分別針對(duì)兩種情況下聚類問題的聚類算法:基于中心漂移的聚類彈性網(wǎng)絡(luò)算法（CMENA）和基于中心漂移的自適應(yīng)彈性網(wǎng)絡(luò)聚類算法（ENACS）。CMENA算法從聚類的評(píng)價(jià)指標(biāo)之一:SED（Sum of European distances）值出發(fā),調(diào)整并優(yōu)化了彈性網(wǎng)絡(luò)的結(jié)構(gòu),使得彈性網(wǎng)絡(luò)的能量函數(shù)的最小化與聚類問題的目標(biāo)函數(shù)值的最小化同步。其中CMENA算法通過新能量函數(shù)的最小化,控制聚類中心神經(jīng)元的移動(dòng),得到聚類結(jié)果,具有聚類過程可跟蹤、聚類結(jié)果穩(wěn)定、抗干擾能力強(qiáng)、求解質(zhì)量顯著提高、適用于求解維度高數(shù)據(jù)量大的聚類分析問題等優(yōu)點(diǎn)。EN... 

【文章來源】：北京建筑大學(xué)北京市

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

聚類分析過程

彈性網(wǎng)絡(luò)在旅行商問題中的結(jié)構(gòu)示意圖

彈性網(wǎng)絡(luò)在旅行商問題中單個(gè)彈性節(jié)點(diǎn)受力圖

【參考文獻(xiàn)】：
期刊論文
[1]K-Means聚類算法研究綜述[J]. 楊俊闖,趙超.  計(jì)算機(jī)工程與應(yīng)用. 2019(23)
[2]聚類算法綜述[J]. 章永來,周耀鑒.  計(jì)算機(jī)應(yīng)用. 2019(07)
[3]基于K-means聚類算法優(yōu)化方法的研究[J]. 劉葉,吳晟,周海河,吳興蛟,韓林嶧.  信息技術(shù). 2019(01)
[4]改進(jìn)的K-means聚類k值選擇算法[J]. 王建仁,馬鑫,段剛龍.  計(jì)算機(jī)工程與應(yīng)用. 2019(08)
[5]增量聚類算法綜述[J]. 李桃迎,陳燕,秦勝君,李楠.  科學(xué)技術(shù)與工程. 2010(35)
[6]一種基于動(dòng)態(tài)近鄰選擇模型的聚類算法[J]. 金陽,左萬利.  計(jì)算機(jī)學(xué)報(bào). 2007(05)
[7]FDBSCAN:一種快速 DBSCAN算法（英文）[J]. 周水庚,周傲英,金文,范曄,錢衛(wèi)寧.  軟件學(xué)報(bào). 2000(06)
[8]一種利用確定性退火技術(shù)的聚類模型與算法研究[J]. 楊廣文,王鼎興,鄭緯民,李曉明.  軟件學(xué)報(bào). 1999(06)
[9]一種有效的啟發(fā)式聚類算法[J]. 楊廣文,鄭緯民,王鼎興,李曉明.  電子學(xué)報(bào). 1999(02)



本文編號(hào)：3287410