基于马氏距离的模糊聚类及增量学习方法研究

《基于马氏距离的模糊聚类及增量学习方法研究》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、学校代码：10165连掌师耗大学同等学力硕士学位论文论文题目：基于马氏距离的模糊聚类及增量学习方法研究年2010年09月摘要IIllrflPIIIIrlllllJllfJY1910982聚类分析源于许多研究领域，包括数据挖掘、机器学习、统计学、模式识别等，它是数据挖掘中的一个重要分支。目前，数据挖掘技术的一个突出特点是处理巨大的、复杂的数据集，这对聚类分析技术提出了特殊的挑战，要求算法具有可伸缩性、处理不同类型属性的能力、发现任意形状的类的能力、处理高维数据的能力等等。在众多的聚类分析算法中，模糊c均值聚类算法是当前研究的热点之一。但该方法也存在诸多不足：模糊c均值聚类算法易处理球

2、形状的聚类，但对非球形状的聚类效果不佳；模糊c均值聚类算法中需事先确定c值，而实际数据集中c值很难确定；模糊c均值聚类算法受噪声的影响较大；等等。结合上述分析，本论文对模糊c均值聚类算法进行了深入地研究，并针对其算法存在的不足提出了改进。本论文主要工作如下：基于模糊c均值聚类的图像分割是应用较为广泛的方法之一，但大多数模糊c均值聚类方法都是基于欧氏距离，且存在运算时间过长等问题。本文提出了一种基于Mahalanobis距离的模糊c均值聚类图像分割算法。实验分析表明，本文提出的算法在保证分割质量的前提下，能较快提高分割速度。实验结果表明了该方法的有效性。传统的模糊聚类方法一般是用来解

3、决静态数据聚类的。但现实生活中，数据通常是不断变化的。对于新增加的数据，要想获得新的聚类结果，要么重新聚类，要么增量聚类。重新聚类代价太大，而且浪费了以前获取的有用信息。增量式聚类利用前期的聚类结果对新增数据进行聚类，节约了前期聚类的计算资源，提高了聚类效率。本文利用上述的基于马氏距离的模糊聚类方法，将其用于增量学习中，提出了一种基于马氏距离的模糊增量聚类学习算法。实验结果表明该算法能较有效地解决模糊聚类方法中的缺陷，提高了训练精度。关键词：聚类：马氏距离：模糊理论：增量学习：数据挖掘Abstractuustenng柚alysiscomesofmanyresearchfields，

4、includingdataminin&machine1earning’statistics，patternrecognition．Itisanimportantpanof讹毗堍．N0w，apr0咖nemcharacteristicofdataminingistodealwithhugeandcomplicateddatasets．1上缸schara洲sdcbringsforwardachallengetocluSt既h培a舱lysis，、地ichneedsrc仃actlllty，dealingwithinhomogeneousattributes，detectingrandomsh

5、apeclusterill瓯managinghigh-dimensiondata,ete．。mmanyoftheclusteranalysisalgorithn[1，fu=yc—meanscluste咖galgorithIIlistllecll玎entrese鄱Chhotspo‘·However,thereexistsomedisadvantag盥in呦c-me姐sclust蛐galg础皿·Traditionalfuzzyc-meansclusteringalg嘶tllInis蚴ageabIetospherical咖删clustets，buttonon—sphericalstruc

6、turalc慨觚．F唧c_me黜cl髑te蚀galgodthmneedstofixthevalueoftbeforehand．Howe啊mevalueofcisdifficulttofixinrealdatasets·Fuzzyc-meansclus咄aIgorithIniss％sitivetonoise血ta’etc·Accordingtoaboveanalysis，basedonthediSad啪姆of昀c．眦ansa190nthm,血ispaperstudiesthemostclassicalfuzzyc-meansaIg嘶thIn锄dpfesemssome1mproveda

7、lgorithm．mmainworkofthispapcris鹊follows．．t0r1tss蚰plicity锄dapplicability,fuzzyc-meansclusteringalgorimmiswidelyusedmm叩se鲫％伽蚰·However,如zzyc-meansclusteringal鲥‰h懿someprobl黜m姗gesegrnentation，suchassensitivitytonoise，localconve唱钮ce，etc．Ill0r