需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：10820 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘 要:目前的協(xié)同聚類算法通過定義協(xié)同函數(shù)，計算和調整各數(shù)據(jù)子集之間的隸屬度差異，來實現(xiàn)在聚類過程中融合其它相關數(shù)據(jù)集的信息.但是協(xié)同函數(shù)的存在同時會增加聚類中心和隸屬度的推導和計算難度，還需要人工設置協(xié)同系數(shù).為了用更簡單的計算和更少的參數(shù)綜合相關數(shù)據(jù)集的信息，實現(xiàn)協(xié)同聚類，本文引入了信息論中的信息熵，提出了一種改進的算法.即基于信息熵加權的協(xié)同聚類改進算法. 本文重新定義了協(xié)同聚類算法，給出了改進算法的主要思想.首先引入信息熵來衡量隸屬度差異矩陣中所包含的不確定性信息，再根據(jù)有效信息量定義相似性距離中的權重，最后通過權重對聚類的貢獻指標實現(xiàn)各子集之間的協(xié)同聚類. 本文在iris數(shù)據(jù)集上對改進算法進行了性能檢驗，與已有算法相比，改進算法能自適應地計算協(xié)同關系強度, 簡化了參數(shù)設置和協(xié)同函數(shù)的復雜計算.實驗結果顯示，改進算法能充分利用數(shù)據(jù)子集中所蘊含的相關信息，具有較高的計算效率，聚類準確度也有明顯的提高. 關鍵詞：協(xié)同聚類；協(xié)同關系；信息熵；權重系數(shù)
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-2 第2章 基于信息熵加權的協(xié)同聚類改進算法-5 2.1 模糊聚類：FCM算法-5 2.2 模糊協(xié)同聚類：HC-FCM算法-5 2.3 基于信息熵加權的協(xié)同聚類改進算法-7 第3章 程序設計-9 3.1 改進算法的主要步驟與結構流程-9 3.2 編程思路與代碼實現(xiàn)-9 第4章 實驗與結果分析-13 第5章 結論與展望-15 5.1結論-15 5.2不足之處及未來展望-15 參考文獻-17 致 謝-19 |
