可信性聚类算法及其在社会经济案例中的应用研究

发布时间：2017-04-13 06:08

  本文关键词：可信性聚类算法及其在社会经济案例中的应用研究，由笔耕文化传播整理发布。

【摘要】：“物以类聚,人以群分”,聚类是一个古老的问题,作为模式识别的重要分支,它为人类提供了认识世界、区别不同事物、认识事物间相似性的方法。研究者们依据不同的理论和方法提出不同的聚类方法。模糊聚类对隶属度的定义要明显优于其他聚类算法,目前已广泛应用到股票预测、医学研究、市场营销等诸多领域。本文在对现有的模糊聚类算法进行研究与分析的基础上,将可信性理论引入到模糊聚类中,基于可信性测度的数学性质提出可信性聚类方法及优化模型,并借助交替聚类估计和迭代优化的方法,设计出一系列可信性聚类算法,用以求解所给出的优化模型,最后将其应用到社会经济案例的研究中。本文的主要研究内容和成果包括:1.可信性聚类模型及算法求解。本文将可信性理论引入到模糊聚类中,使用可信性定义数据点对各个类的隶属度,并提出可信性聚类方法。在交替聚类估计方法的启发下,本文给出一类简便易行的聚类算法,以及两个特殊的可信性聚类算法用以求解优化模型。2.可信性聚类的有效性研究。本文使用多个随机数据集和真实数据集,从重合聚类、噪点环境和整体准确率三个角度评判可信性聚类算法的有效性,并与模糊c均值聚类算法和可能性聚类算法的划分结果做对比分析,实验结果展现了可信性聚类算法的优良性质。3.可信性聚类在社会经济案例中的应用。为展现可信性聚类的实际应用价值,本文使用可信性聚类算法对全国31个省市的城镇居民人均消费性支出明细情况进行分类,并与K均值算法、模糊c均值聚类算法作对比。划分结果展现了可信性聚类的优势,并为各省市认识经济发展现状,推进政策建设提供依据。本文对可信性聚类算法的研究与分析,拓展了模糊聚类算法的理论研究,未来可信性聚类的研究成果可以应用到文本挖掘、图像分割等众多领域。
【关键词】：模糊聚类 可信性聚类 交替聚类估计 可信性测度
【学位授予单位】：上海大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F126.1;TP311.13
【目录】：

• 摘要6-7
• Abstract7-13
• 第一章 绪论13-25
• 1.1 研究背景13-16
• 1.2 国内外研究综述16-21
• 1.2.1 模糊c均值聚类相关研究16-18
• 1.2.2 可能性聚类相关研究18-20
• 1.2.3 聚类算法有效性研究20-21
• 1.3 研究内容21-22
• 1.4 研究方法22-23
• 1.5 研究框架23-25
• 第二章 模糊聚类25-40
• 2.1 模糊聚类问题描述25-27
• 2.2 模糊聚类算法27-31
• 2.2.1 模糊c均值聚类算法27-29
• 2.2.2 可能性聚类算法29-31
• 2.3 交替聚类估计方法31-33
• 2.4 模糊聚类算法有效性研究33-38
• 2.4.1 经典模糊聚类有效性指标34-36
• 2.4.2 整体准确率36-38
• 2.5 本章小结38-40
• 第三章 可信性聚类40-54
• 3.1 可信性测度40-42
• 3.2 可信性聚类模型42-47
• 3.2.1 模糊聚类的可信性约束42-45
• 3.2.2 可信性聚类优化模型45-47
• 3.3 可信性聚类算法47-53
• 3.3.1 一般可信性聚类算法47-51
• 3.3.2 特殊的可信性聚类算法51-53
• 3.4 本章小结53-54
• 第四章 可信性聚类算法有效性研究54-72
• 4.1 实验数据集描述54-56
• 4.2 重合聚类问题研究56-62
• 4.3 噪点环境下的有效性62-67
• 4.4 整体准确率研究67-70
• 4.4.1 Iris数据集67-69
• 4.4.2 其他真实数据集69-70
• 4.5 本章小结70-72
• 第五章 可信性聚类算法在社会经济案例中的应用研究72-84
• 5.1 社会经济案例描述72
• 5.2 指标的选取与数据的获取72-75
• 5.3 社会经济案例分析75-83
• 5.4 本章小结83-84
• 第六章 总结与展望84-87
• 6.1 主要研究工作84-85
• 6.2 本文的创新点85
• 6.3 研究展望85-87
• 参考文献87-93
• 攻读硕士学位期间完成的工作93-94
• 致谢94

【共引文献】

中国期刊全文数据库 前10条

1 李玲玲;辛浩;;FCM算法及其有效性度量方法[J];安徽电子信息职业技术学院学报;2011年05期

2 黄初龙;邓伟;卢晓宁;;区域农业水资源可持续利用模糊综合评价[J];安徽农业科学;2009年05期

3 郗伟东;石玉月;田巍;;基于风险模式提取的农户生猪饲养规制研究[J];安徽农业科学;2009年07期

4 吉奇;;利用模糊数学方法预测秋白菜适宜收获期[J];安徽农业科学;2010年18期

5 李爱新;;基于产能核算的鄱阳湖生态经济区耕地整理区划[J];安徽农业科学;2012年16期

6 翟剑锋;;基于遗传算法的模糊聚类在考试成绩分析中的应用[J];信息安全与技术;2012年04期

7 黄焕宗;;灰色模糊聚类分析在经济适用房评价中的应用——以泉州市为例[J];安庆师范学院学报(自然科学版);2011年01期

8 张志红;;基于随机初始中心的FCM算法及其应用[J];安徽水利水电职业技术学院学报;2008年01期

9 赵晓华;谈玲珑;胡敦利;;基于Sub_FCM聚类算法的交通流量段自动划分方法[J];北京工业大学学报;2011年08期

10 刘敬伟;徐美芝;;Bezdek型模糊属性C均值聚类算法[J];北京航空航天大学学报;2007年09期

中国重要会议论文全文数据库 前10条

1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年

2 王海荣;;石油化工企业的静电火灾隐患评估[A];节能环保 和谐发展——2007中国科协年会论文集（四）[C];2007年

3 陈力超;;国际港澳台长途话务的智能化监控[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

4 顾峥;康晓文;孙熙杉;吴朝霞;王石;刘亚强;金永杰;;基于模糊聚类的MicroPET前端探测器晶体像素单元识别方法[A];第十四届全国核电子学与核探测技术学术年会论文集（2）[C];2008年

5 王坚强;;信息不完全确定的大群体多准则语言决策方法[A];2009中国控制与决策会议论文集（2）[C];2009年

6 赵爽;李晓奇;沙秀艳;;特征加权模糊C均值聚类算法在划分劳动报酬中的应用[A];第三届中国智能计算大会论文集[C];2009年

7 龚毅;何琳华;;企业技术扫描模式聚类分析[A];第十一届中国青年信息与管理学者大会论文集[C];2009年

8 齐桂雪;刘凤贤;张继成;;应用聚类分析方法对大庆外围低渗储层进行综合分类[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年

9 黄桂田;;劳动密集型制造业:划分方法和产业规模度量——基于1993—2007年行业数据的模糊聚类方法[A];社会主义经济理论研究集萃——纪念新中国建国60周年（2009）[C];2009年

10 于洋;张颖;胡舒涵;;区间型数据聚类的FCM新算法[A];中国通信学会第六届学术年会论文集（下）[C];2009年

中国硕士学位论文全文数据库 前10条

1 蔡静颖;模糊c-均值算法的研究[D];辽宁师范大学;2010年

2 李光远;基于在线聚类和最小二乘支持向量机的模糊建模方法研究[D];郑州大学;2010年

3 雷聪聪;一种基于数据聚类的信息粒化方法[D];郑州大学;2010年

4 王林吉;基于CIELAB均匀颜色空间和聚类算法的混纺测色研究[D];浙江理工大学;2010年

5 王文姝;基于模糊理论的关键词识别算法研究[D];哈尔滨工程大学;2010年

6 王颖芳;基于特定内容的敏感图像过滤技术的研究[D];哈尔滨工程大学;2010年

7 沈力华;基于智能优化算法的案例推理方法研究[D];大连理工大学;2010年

8 靳小川;模糊聚类算法在大学生心理健康分析中的应用研究[D];辽宁工程技术大学;2010年

9 杨芳;CBD停车行为模式与引导系统优化研究与实践[D];长沙理工大学;2010年

10 贺丽;基于改进ART2网络的变压器故障诊断方法[D];长沙理工大学;2010年

  本文关键词：可信性聚类算法及其在社会经济案例中的应用研究，，由笔耕文化传播整理发布。

本文编号：302959