基于信息熵蚁群聚类的模糊c-均值算法的研究

基于信息熵蚁群聚类的模糊c-均值算法的研究

ID:33129307

大小:2.60 MB

页数:80页

时间:2019-02-21

基于信息熵蚁群聚类的模糊c-均值算法的研究_第1页
基于信息熵蚁群聚类的模糊c-均值算法的研究_第2页
基于信息熵蚁群聚类的模糊c-均值算法的研究_第3页
基于信息熵蚁群聚类的模糊c-均值算法的研究_第4页
基于信息熵蚁群聚类的模糊c-均值算法的研究_第5页
资源描述:

《基于信息熵蚁群聚类的模糊c-均值算法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、国内图书分类号:国际图书分类号:TP392硕士学位论文基于信息熵蚁群聚类的模糊C一均值算法的研究硕士研究生:苤互撞导师姓名:奎兰副麴撞.申请学位级别:王堂亟±.学科、专业:i土篡扭应用撞盔所在单位:i±簋扭王猩堂随答辩日期:2Q!Q生鱼目学位授予单位:壹岛理王太堂)\11I\ll\\,f卜嶝h“蛰。【,呻和},,。i.1、,1{f{.{、fI:』,f、,、/i,.。、●、,、:赫Ⅷ1J?/(/Jl/RESEARCHOFFUZZYC.MEANSALGo埘THMBASEDoNANTCOLoNYCLUSTEIUNGWITHINFORM上订

2、IoNENTROPYCandidate:RongQiaomeiSupervisor:AssociateProfLiLaIlAcademicDegreeAppliedfor:MasterofEngineeringSpecial够:ComputerApplicationTeclⅡ10logyDateoforalExamjnation:June201OUniVersi够:QingdaoTecllnologicalUniVers埘硕士学位论文基于信息熵蚁群聚类的模糊C.均值算法的研究学位论文答辩日期:指导教师签字:答辩委员会成员签字:妻哆摘

3、Ab第第2章聚类分析综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62.1聚类的定义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62.2聚类的相似度度量方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62.3聚类准则函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82.4聚类算法的分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.92.5各种聚类算法的比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..122.6聚类算法研究面临的挑战⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..132.7本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯

4、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯15第3章模糊聚类算法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..163.1目标函数的演化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l73.1.1模糊划分矩阵U.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯173.1.2距离范数的选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯183.1.3对聚类原型P的研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯193.1.4加权指数m的研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯203.1.5聚类分析的数据类型X⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.21

5、3.2模糊聚类算法目标函数的优化方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯213.2.1基于交替迭代的优化方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯213.2.2基于神经网络的优化方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:⋯⋯⋯⋯⋯⋯⋯223.2.3基于进化计算的优化方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯223.3模糊C.均值聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.233.3.1模糊C.均值算法的目标函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯24青岛理工大学工学硕士学位论文!!!!!!E自!皇=!=!=暑E====!E=e!==暑=!==2===!!!

6、!葛!e=詈==e=!!!!!!!!!!!!!!!詈现步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯27参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..283.3.2模糊C.均值算法的实3.3.3模糊C一均值算法中的3.3.4模糊C.均值算法的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯303.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯32第4章基于信息熵蚁群聚类的模糊C.均值算法的改进策略⋯⋯⋯⋯⋯⋯⋯⋯.334.1蚁群聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..334.2基于信息熵的蚁群聚类算法⋯⋯⋯⋯⋯

7、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..364.2.1信息熵的概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯364.2.2引入信息熵的蚁群聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯374.3模糊C.均值算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..384.3.1属性加权⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯394.3.2降低噪声数据的敏感性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯424.4基于信息熵蚁群聚类的模糊C.均值算法的改进策略⋯⋯⋯⋯⋯⋯⋯⋯.444.4.1算法思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.444

8、.4.2改进算法的描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯464.5改进算法的性能分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..474.5.1时间复杂度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯474.5.2改进算法的优

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。