结合有序机制的模糊聚类算法研究

发布时间：2021-04-22 03:02

　　模糊C均值算法（Fuzzy C-Means clustering,FCM）是模糊聚类研究中的代表算法,该算法简单、高效,但是对噪声数据较为敏感。模糊C有序均值聚类算法（Fuzzy C-Ordered-Means,FCOM）加入了排序操作,使得噪声对簇中心点的影响降低,增强了算法的鲁棒性。但是FCOM算法一方面难以处理大规模数据,另一方面算法的时间复杂度较高。本文根据FCOM算法的思想,结合有序机制从鲁棒性和时间复杂度两个方面对模糊聚类算法开展研究,主要研究内容包括:（1）为了能够处理大规模数据,在FCOM算法的基础上,采用Single-Pass和Online增量框架,提出了两种模糊C有序均值聚类算法:SPFCOM算法（Single-Pass Fuzzy C-Ordered-Means clustering）和OFCOM算法（Online Fuzzy C-Ordered-Means clustering）。SPFCOM和OFCOM算法继承了FCOM算法的有序结构,保证了较好的聚类鲁棒性;同时具备了处理大规模数据的能力。为了验证算法的有效性,本文在多个公共数据集上进行了实验。实验结果表明,... 

【文章来源】：河南理工大学河南省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 面对大规模数据的聚类算法的研究
        1.2.2 面对噪声数据影响的聚类算法研究
    1.3 论文的主要工作和创新点
    1.4 论文的组织结构
2 相关工作
    2.1 FCM算法
    2.2 FCOM算法
    2.3 基于FCM的增量聚类算法
        2.3.1 WFCM算法
        2.3.2 Single-Pass与 Online增量方法
    2.4 极差正规化
    2.5 本章小结
3 结合有序机制的增量模糊聚类算法
    3.1 引言
    3.2 结合有序机制的增量模糊聚类算法
        3.2.1 SPFCOM
        3.2.2 OFCOM
    3.3 实验与分析
        3.3.1 实验数据集介绍
        3.3.2 评价标准
        3.3.3 实验结果
    3.4 本章小结
4 特征加权的模糊C有序均值聚类算法
    4.1 引言
    4.2 特征加权的模糊C有序均值聚类算法
    4.3 实验分析
        4.3.1 实验数据集介绍
        4.3.2 评价标准
        4.3.3 实验结果
    4.4 本章小结
5 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
作者简介
学位论文数据集


【参考文献】：
期刊论文
[1]参照效应对农产品网络顾客购买意愿的影响研究[J]. 龚映梅,张蕾.  昆明理工大学学报(社会科学版). 2018(02)
[2]K均值聚类算法的研究与优化[J]. 陶莹,杨锋,刘洋,戴兵.  计算机技术与发展. 2018(06)
[3]面向智能电网应用的电力大数据关键技术[J]. 杨晶,廖翯,妥建军.  电子技术与软件工程. 2018(04)
[4]大数据下数据预处理方法研究[J]. 孔钦,叶长青,孙赟.  计算机技术与发展. 2018(05)
[5]简析大数据时代 人工智能在计算机网络技术中的应用[J]. 彭凯.  计算机与网络. 2018(01)
[6]大数据研究综述[J]. 苗磊.  合作经济与科技. 2017(24)
[7]大数据技术在智能建筑中的应用[J]. 王福林.  智能建筑. 2017(08)
[8]大数据时代人工智能在计算机网络技术中的应用[J]. 谷守军,王海永.  电子制作. 2017(06)
[9]基于云计算技术的电力大数据预处理属性约简方法[J]. 崔晓优,杨健.  电子技术与软件工程. 2017(02)
[10]基于大数据时代企业人力资源管理变革的分析[J]. 李宏伟.  人力资源管理. 2017(01)



本文编号：3153028