2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、聚類分析是指對于給定的數(shù)據(jù)集,在沒有其他先驗知識的情況,將其通過聚類算法進行分割,進而得到子集的過程。這些由聚類分析而獲得的子集被稱作簇類,對于得到的各個簇類,每個簇類內(nèi)部的數(shù)據(jù),數(shù)據(jù)之間具有較高的相似度,而對于這些簇類間的數(shù)據(jù),數(shù)據(jù)之間具有較低的相似度。因為聚類分析不需要任何其他先驗知識,只需要數(shù)據(jù)本身就可以進行,因此它比需要先驗知識的分類算法有著更為廣泛的應(yīng)用。目前已有相關(guān)研究者對此提出了一些聚類算法,但是這些算法仍然存在著無法發(fā)現(xiàn)

2、任意形狀的簇類,需要的參數(shù)過多而且意義不明,對于數(shù)據(jù)量較少的數(shù)據(jù)集效果不佳等問題。針對這些存在的問題,基于現(xiàn)存的聚類算法,本文提出了根據(jù)這些算法改進的聚類算法,本文的主要研究工作如下:
  首先,提出了一種由數(shù)據(jù)密度所確定的簇類中心來約束的最近鄰層次聚類算法。算法分為兩個階段,第一階段被稱作預(yù)合并階段,通過對于數(shù)據(jù)進行預(yù)合并,利用合并過程中的冗余信息,來計算得到基于冗余信息的密度值,這樣的密度值因為不需要設(shè)定其他額外參數(shù),因此不會

3、存在參數(shù)初始化敏感的問題,同時由于密度計算過程中,對于單一數(shù)據(jù)點的密度的計算,并非考慮的只是該點局部的情況,因此對于數(shù)據(jù)量較少的數(shù)據(jù)集,不會出現(xiàn)由此引發(fā)的統(tǒng)計誤差。在獲得數(shù)據(jù)密度值后可以計算數(shù)據(jù)的最小距離值,然后通過數(shù)據(jù)的這兩個參數(shù),可以找到數(shù)據(jù)集中的簇類中心;第二階段稱為簇類中心約束的最近鄰層次聚類,利用第一階段找到的簇類中心,在層次聚類的合并過程中區(qū)別對待具有簇類中心的簇類和沒有簇類中心的簇類,來進行有簇類中心約束的層次聚類算法來得

4、到最終的聚類分析結(jié)果。
  然后,提出了一種基于數(shù)據(jù)本地密度的簇類中心約束的最近鄰層次聚類算法。針對提出的合并冗余信息度量數(shù)據(jù)密度發(fā)生的不魯棒的缺點,采用了一種新的基于高斯函數(shù)密度度量的方法,并在實驗中證明了該密度方法對于簇類中心發(fā)現(xiàn)的魯棒性。方法被用于聚類第一階段中,能更為魯棒的尋找到數(shù)據(jù)集中的簇類中心,提高了第二階段中最后獲得的聚類分析結(jié)果的精準度。
  最后,為了驗證本文提出的方法的有效性,我們使用了人工數(shù)據(jù)集和真實數(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論