具有新特性的自适应聚类弹性网络算法研究

发布时间：2023-09-17 18:00

　　随着大数据信息时代的到来,对海量数据处理的技术要求越来越高。为了更加高效地在海量数据中发现有用的隐含信息,对作为数据处理工具的聚类分析技术的要求也越来越高,相应地,聚类分析算法作为聚类分析技术中的核心内容,也面临着越来越高的要求。目前,已有学者提出了诸多聚类算法,常规算法依据聚类思想和规则的差异或者改进,可以划分为五大类:划分聚类、层次聚类、基于密度、网格和模型的聚类算法等五种不同的聚类算法。除此此外,还有一些新型的聚类算法被提出,包括基于粒度的核聚类算法、谱聚类算法等。但是,这些聚类算法都是根据数据集的不同类型和不同需求而进行设计实现,普遍具有针对性,但同时也存在着广泛应用的局限性和单一性,即不能有效适用于现有的多元、大型数据集的聚类场景。为了能够满足多元、高维大数据集的聚类分析的需求,本文提出了具有新特性的自适应聚类弹性网络算法NAENC。围绕弹性网络求解不同类型数据集的聚类分析问题进行研究,本文主要研究内容包括:(1)设计新的数据点与弹性节点之间的数学模型关系;(2)设计具有自适应学习能力的动态参数控制策略;(3)调整弹性网络模型结构;(4)设计算法优化策略等。同时,为了验证本文...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 聚类算法研究现状
        1.2.2 弹性网络研究现状
    1.3 研究内容
    1.4 论文结构安排
    1.5 本章小结
第2章 聚类分析算法
    2.1 聚类分析的定义
    2.2 聚类算法描述
        2.2.1 基于划分的聚类算法
        2.2.2 基于层次的聚类算法
        2.2.3 基于密度的聚类算法
        2.2.4 基于网格的聚类算法
        2.2.5 基于模型的聚类算法
    2.3 本章小结
第3章 弹性网络算法及其在聚类中的应用
    3.1 弹性网络算法定义
    3.2 弹性网络的聚类应用
        3.2.1 极大熵原理
        3.2.2 极大熵在聚类分析中的应用
    3.3 本章小结
第4章 提出的弹性网络聚类算法
    4.1 弹性网络聚类算法原理
    4.2 参数控制策略
        4.2.1 β参数的控制策略
        4.2.2 时间步的控制策略
        4.2.3 参数综合控制策略
    4.3 网络结构调整策略
    4.4 算法局部优化
    4.5 算法描述与分析
    4.6 本章小结
第5章 实验与仿真
    5.1 随机非均匀分布数据集
    5.2 随机均匀分布数据集
    5.3 标准数据集
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
硕士在读期间发表论文



本文编号：3847879