动态聚类算法及其应用
发布时间:2024-02-29 21:05
聚类算法如今已成为数据挖掘中不可缺少的一部分,随着信息技术的迅速发展,对于聚类算法的研究和改进更加深入。聚类算法,顾名思义根据数据对象的自身特征(或属性)及规定的衡量标准对样本集进行划分,它是一种无监督的学习方法,无需提前知晓各样本点的归属情况。传统的聚类算法需提前设定聚类簇数、初始聚类中心和阈值等相关参数,且这些参数的设定或选取凭经验而定(即没有明确的标准),同时不同的取值很大程度上影响着聚类的结果,这就使得在实际操作中很难进行,也会造成聚类结果的不稳定。因此,提高聚类算法的自适应性,使其仅依靠样本对象自身特征进行聚类显得尤为重要。本文分别针对演化聚类算法和模糊聚类算法的缺点提出了两种自适应的改进方法,其在很大程度上提高了原始聚类算法的稳定性和准确性。(1)演化聚类算法是一种演化的在线聚类算法,该算法可实时地增加聚类个数、调整聚类中心和聚类半径,从而获得最佳聚类结果。但传统的演化聚类算法需提前设定阈值,在没有获取数据集先验条件的情况下,阈值的选取很难决定,而不同的阈值会很大程度上影响最终的聚类效果;同时传统的演化聚类算法对样本点的输入次序较敏感。针对传统演化聚类算法的缺点,本文提出了...
【文章页数】:67 页
【学位级别】:硕士
【部分图文】:
本文编号:3914926
【文章页数】:67 页
【学位级别】:硕士
【部分图文】:
图1yn变化图
j=1δj;4)以累加值yi为纵坐标,样本排序后的序号为横坐标绘制散点图(图1)。图1 y~n变化图Fig.1 Relationshipbetweenyandn 根据散点图分布趋势,可将样本分为5类,如表2所示。为了便于比较,把文献[1,2]的结果也同17第1期舒栋才,等....
图17开环频率特性
图2本文系统和传统系统正确率比较结果
到的正确率比较结果、诊断率比较结果分别入图2、图3?明,所提诊断方法能够有效诊断数据库中存在的异常数据,??所示。?同时具有更高的诊断正确率以及诊断效率。??^? ̄I?参考文献:??1〇〇「?p?[1]赵书军,梅燕,王蓉.一种基于粗集理论的BP神经网络加速算??_?m?^?■传统....
图3本文系统和传统系统诊断率比较结果
到的正确率比较结果、诊断率比较结果分别入图2、图3?明,所提诊断方法能够有效诊断数据库中存在的异常数据,??所示。?同时具有更高的诊断正确率以及诊断效率。??^? ̄I?参考文献:??1〇〇「?p?[1]赵书军,梅燕,王蓉.一种基于粗集理论的BP神经网络加速算??_?m?^?■传统....
本文编号:3914926
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3914926.html