基于中心漂移的聚类弹性网络算法研究

发布时间：2021-07-16 17:07

　　在当今社会,聚类分析是人们处理各种数据挖掘问题的重要途径之一。神经网络具有自学习、高速寻找优化解等优点,运用神经网络算法求解聚类问题是近年来的研究热点。弹性网络算法（ENA）是一种强大的神经网络算法,具有网络结构简单、自学习等优势,但其主要用于旅行商问题,很少用于求解聚类问题。本文通过对当前聚类算法、神经网络和弹性网络算法在国内外的研究现状进行了分析和研究,然后就当前主要聚类方法的特点及优缺点进行了分析。面向聚类问题的特点,从聚类数给定与未给定两个方面出发,提出了分别针对两种情况下聚类问题的聚类算法:基于中心漂移的聚类弹性网络算法（CMENA）和基于中心漂移的自适应弹性网络聚类算法（ENACS）。CMENA算法从聚类的评价指标之一:SED（Sum of European distances）值出发,调整并优化了弹性网络的结构,使得弹性网络的能量函数的最小化与聚类问题的目标函数值的最小化同步。其中CMENA算法通过新能量函数的最小化,控制聚类中心神经元的移动,得到聚类结果,具有聚类过程可跟踪、聚类结果稳定、抗干扰能力强、求解质量显著提高、适用于求解维度高数据量大的聚类分析问题等优点。EN... 

【文章来源】：北京建筑大学北京市

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

聚类分析过程

弹性网络在旅行商问题中的结构示意图

弹性网络在旅行商问题中单个弹性节点受力图

【参考文献】：
期刊论文
[1]K-Means聚类算法研究综述[J]. 杨俊闯,赵超.  计算机工程与应用. 2019(23)
[2]聚类算法综述[J]. 章永来,周耀鉴.  计算机应用. 2019(07)
[3]基于K-means聚类算法优化方法的研究[J]. 刘叶,吴晟,周海河,吴兴蛟,韩林峄.  信息技术. 2019(01)
[4]改进的K-means聚类k值选择算法[J]. 王建仁,马鑫,段刚龙.  计算机工程与应用. 2019(08)
[5]增量聚类算法综述[J]. 李桃迎,陈燕,秦胜君,李楠.  科学技术与工程. 2010(35)
[6]一种基于动态近邻选择模型的聚类算法[J]. 金阳,左万利.  计算机学报. 2007(05)
[7]FDBSCAN:一种快速 DBSCAN算法（英文）[J]. 周水庚,周傲英,金文,范晔,钱卫宁.  软件学报. 2000(06)
[8]一种利用确定性退火技术的聚类模型与算法研究[J]. 杨广文,王鼎兴,郑纬民,李晓明.  软件学报. 1999(06)
[9]一种有效的启发式聚类算法[J]. 杨广文,郑纬民,王鼎兴,李晓明.  电子学报. 1999(02)



本文编号：3287410