需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：10656 |  | |
| 折扣與優(yōu)惠：團(tuán)購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘 要:在聚類算法中，基于模糊劃分的模糊C-均值（FCM）算法是一種重要的算法.FCM算法是一種基于劃分的聚類算法，它的思想就是使得被劃分到同一簇的對象之間相似度最大，而不同簇之間的相似度最小.它有深厚的數(shù)學(xué)基礎(chǔ)和完善的理論，但是它還存在一些不足之處. 本文針對傳統(tǒng)FCM算法結(jié)果中在模糊邊界上存在部分模糊點劃分錯誤的問題，提出了一種對模糊點的二次聚類新算法.在FCM算法結(jié)果中，根據(jù)隸屬度較高的清晰點，定義一種新的基于清晰半徑的相似性距離，對模糊點的隸屬度進(jìn)行二次計算.新方法以各類中的數(shù)據(jù)分布特征為依據(jù)，對模糊點和清晰點，分別采用不同的相似性距離計算隸屬度，從而能夠重新確定模糊點的類別歸屬.這種改進(jìn)算法的特點就是定義了新的清晰半徑，使得對模糊點的隸屬度分類更加清晰.與FCM算法的實驗結(jié)果比較發(fā)現(xiàn)，這種方法能提高聚類的精確度,有效糾正分類錯誤，提高模糊點的精度，在密度差異較大的數(shù)據(jù)集上具有一定的應(yīng)用潛力. 關(guān)鍵詞：模糊聚類;模糊點;相似性距離;清晰半徑;二次聚類
目錄 摘要 Abstract 第1章 緒論-1 1.1 背景及意義-1 1.2 基本框架-3 第2章 基于清晰半徑的模糊點二次聚類算法-5 2.1 模糊C均值聚類算法-5 2.2 基于清晰半徑的模糊點二次聚類算法-5 2.3 改進(jìn)FCM算法公式推導(dǎo)-6 第3章 程序設(shè)計-9 3.1 改進(jìn)算法的步驟-9 3.2 編程思路及代碼實現(xiàn)-9 第4章 實驗結(jié)果分析-11 4.1聚類結(jié)果-11 4.2隸屬度的調(diào)整分析-11 第5章 結(jié)論與展望-15 5.1 結(jié)論-15 5.2 不足之處及未來展望-15 參考文獻(xiàn)-17 致 謝-19 |
