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、在聚類分析的介紹中,隨機變量的聚類方法研究的比較少。到目前為止,以香農(nóng)信息理論和kolmogorov信息論研究的比較多。同時這些方法也被廣泛應(yīng)用于隨機變量的聚類分析。本文作者在分析Gamma-test的方法時,發(fā)現(xiàn)該方法可用來定義一種新的度量,同時可應(yīng)用于聚類分析中,得到理想的結(jié)果。 本文一共分五章:第一章用了一些篇幅介紹了當前已知的聚類分析的方法。現(xiàn)今的聚類方法主要集中在兩大塊:一是對樣品聚類的方法,另一種是對隨機變量聚類的方
2、法。前者的研究已經(jīng)很深入,得到許多聚類的方法,而且聚類結(jié)果也很出色。然而,對隨機變量的聚類這一塊的研究進展還不是很快。關(guān)鍵問題在于比較難找到對兩個隨機變量的關(guān)系的度量。很原始的就是用相關(guān)系數(shù)來度量兩個隨機變量的關(guān)系。隨后研究比較多的是通過香農(nóng)信息論的方法或者kolmogorov的信息度量方法來度量兩個隨機變量的方法。信息論的應(yīng)用總的來說是成功的。本文也會在第二章中介紹該方法的-些理論根據(jù),用來和本文提出的新方法的比較。在第三章中,本文提
3、出由Gamma-test得到的新的距離,并給出了計算機上實現(xiàn)的編程思想。第四章中,作者運用一組模擬數(shù)據(jù),通過新定義的度量來進行聚類,同時把得到的結(jié)果與用相關(guān)系數(shù)的方法得到的聚類結(jié)果進行比較。最后在第五章中,本文討論了對該新度量能夠繼續(xù)深入研究的地方。 在新定義的度量下,本文給出了計算機的程序?qū)崿F(xiàn).程序代碼詳見附錄I。附錄II為用統(tǒng)計軟件產(chǎn)生隨機變量的各100個隨機數(shù)。附錄Ⅲ為九個隨機變量以相關(guān)系數(shù)為度量的相似系數(shù)矩陣。附錄IV為
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)或不適當內(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。
最新文檔
- ARGO實驗中Gamma-強子區(qū)分方法研究.pdf
- Gamma-分布中至多一個變點的統(tǒng)計推斷.pdf
- 基于智能優(yōu)化算法的聚類分析及應(yīng)用.pdf
- 聚類分析中的相似性度量及其應(yīng)用研究.pdf
- 基于微粒群優(yōu)化算法的聚類分析及應(yīng)用.pdf
- 基于新度量的聚類算法應(yīng)用.pdf
- 基于聚類分析的多因子動態(tài)加權(quán)實證檢驗.pdf
- Web日志聚類分析及應(yīng)用.pdf
- 基于SOM聚類分析的應(yīng)用與研究.pdf
- 聚類分析中的相似性度量及其應(yīng)用研究(1)
- 基于蟻群算法的聚類分析方法的研究及應(yīng)用.pdf
- 基于數(shù)據(jù)流的聚類分析研究及應(yīng)用.pdf
- 聚類分析算法CLIQUE的改進及應(yīng)用.pdf
- 基于VGI的空間聚類分析方法及應(yīng)用研究.pdf
- Gamma分布及Gamma回歸.pdf
- 基于蟻群算法的聚類分析方法的研究及應(yīng)用
- 基于聚類分析的論文
- 基于群體智能的聚類分析.pdf
- 聚類分析應(yīng)用范例
- 基于聚類分析的應(yīng)用層流量識別研究.pdf
評論
0/150
提交評論