模糊C-均值算法改進研究.pdf_第1頁
已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、隨著計算機技術和數(shù)據(jù)庫技術的飛速發(fā)展，數(shù)據(jù)挖掘技術的應用越來越廣泛。聚類分析是數(shù)據(jù)挖掘領域中一個十分活躍的研究方向，對它進行深入研究不僅有著重要的理論意義，而且有著巨大的工程應用價值。聚類就是將數(shù)據(jù)對象分組為多個簇，在同一個簇中的對象相似度較高，而不同簇中的對象相異度較大。目前，聚類分析已經廣泛地應用于模式識別、數(shù)據(jù)挖掘、圖像處理及機器學習等領域。
　　 與傳統(tǒng)的聚類算法相比，模糊聚類建立起了樣本對于類別的不確定性描述，更能夠客

2、觀地反映現(xiàn)實世界，漸漸成為聚類分析的主流。在眾多的模糊聚類算法中，模糊C-均值聚類算法（FCM）是當前最受歡迎的一種算法。但是，該算法存在著對初始聚類中心敏感、事先需要知道聚類數(shù)目、收斂速度慢的缺陷。
　　 本文詳細介紹了各種傳統(tǒng)聚類算法及其關鍵技術，并對幾種常用算法的性能作了比較；分別描述了硬C-均值聚類算法和模糊C-均值聚類算法，并詳細地研究和分析了模糊C-均值聚類算法的各步驟；運用分階段聚類的思想對模糊C-均值聚類算法進行

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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。

評論

0/150

提交評論