資源描述：
《基于模糊fisher準(zhǔn)則的聚類與特征降維研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、江南大學(xué)博士學(xué)位論文基于模糊Fisher準(zhǔn)則的聚類與特征降維研究姓名：曹蘇群申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：輕工信息技術(shù)與工程指導(dǎo)教師：王士同20091201摘要摘要聚類分析與特征降維是模式識(shí)別領(lǐng)域兩個(gè)重要的研究課題。聚類分析作為一種重要的非監(jiān)督模式識(shí)別工具，可用于多種領(lǐng)域，如數(shù)據(jù)挖掘、生物學(xué)、計(jì)算機(jī)視覺、文檔分析等。它旨在將最相似的數(shù)據(jù)聚為一類，而將最不相似的數(shù)據(jù)聚為不同的類。特征降維包括特征抽取和特征選擇，在模式識(shí)別中起著非常重要的作用，它有助于去除多余特征，降低原始數(shù)據(jù)集的維數(shù)。本文針對(duì)模糊聚類與特征降維中的幾個(gè)問題進(jìn)行了研究，包括基于模糊Fisher
2、準(zhǔn)則的半模糊聚類算法、無監(jiān)督特征抽取以及不平衡數(shù)據(jù)集特征選擇等。本文的創(chuàng)造性研究成果主要有：l將Fisher線性判別擴(kuò)展為模糊Fisher線性判別，并基于此提出了一種新的聚類算法，稱為基于模糊Fisher準(zhǔn)則的半模糊聚類算法。該算法將鑒別矢量引入迭代更新方程，因此其異于常見的FCM聚類方程形式。嚴(yán)格地講，該算法不僅僅基于模糊類內(nèi)散布矩陣，還基于模糊類間散布矩陣，不同于大多數(shù)類似于FCM的聚類只基于模糊類內(nèi)散布矩陣，因此，從以模糊Fisher準(zhǔn)則作為聚類目標(biāo)函數(shù)這個(gè)意義上說，F(xiàn)BSC可以視為一個(gè)新的模糊聚類算法。實(shí)際上，該研究也拓展了Fisher線性判
3、別的應(yīng)用；2提出一種將最佳鑒別平面特征抽取技術(shù)擴(kuò)展到無監(jiān)督模式的方法，其基本思想是通過最優(yōu)化定義的模糊Fisher準(zhǔn)則函數(shù)求得無監(jiān)督模式下的第一個(gè)最佳鑒別矢量以及模糊散布矩陣。基于此，求得最大化模糊Fisher準(zhǔn)則函數(shù)前提下滿足正交、共軛正交或者既正交又共軛正交的第二個(gè)鑒別矢量，由這兩個(gè)鑒別矢量分別構(gòu)成無監(jiān)督最佳鑒別平面、無監(jiān)督統(tǒng)計(jì)不相關(guān)最佳鑒別平面或改進(jìn)的無監(jiān)督統(tǒng)計(jì)不相關(guān)最佳鑒別平面；3提出一種將最佳鑒別矢量集擴(kuò)展到無監(jiān)督模式下的方法，其基本思想是通過定義的模糊Fisher準(zhǔn)則函數(shù)將Fisher線性判別擴(kuò)展成一種半模糊聚類算法，通過該算法求得最佳鑒
4、別矢量和模糊散布矩陣，進(jìn)而構(gòu)造出最佳鑒別矢量集。實(shí)驗(yàn)結(jié)果表明，盡管該方法無法優(yōu)于傳統(tǒng)的有監(jiān)督最佳鑒別矢量集技術(shù)，但卻具有與同屬無監(jiān)督特征抽取的主成分分析算法可比的性能；4提出了一種針對(duì)不平衡數(shù)據(jù)的基于后驗(yàn)概率的分類器獨(dú)立的特征選擇算法。該算法首先引入基于Parzen—window方法估算的不平衡因子，并以TomekLinks中點(diǎn)為初始值進(jìn)行迭代，找出滿足后驗(yàn)概率相等的判別邊界點(diǎn)，通過對(duì)這些點(diǎn)法向量進(jìn)行投影計(jì)算得到反映各特征重要性的權(quán)值。實(shí)驗(yàn)表明，對(duì)于不平衡數(shù)據(jù)，該算法在不降低分類器總體性能地基礎(chǔ)上，不僅可以有效降低維度，節(jié)省計(jì)算開銷，而且能夠避免常規(guī)
5、特征選擇算法用于不平衡數(shù)據(jù)時(shí)忽視小類的缺點(diǎn)。關(guān)鍵詞：模糊聚類，特征降維，無監(jiān)督模式，F(xiàn)isher準(zhǔn)則，模糊Fisher準(zhǔn)則，特征抽取，最佳鑒別矢量，最佳鑒別平面，最佳鑒別矢量集，不平衡數(shù)據(jù)，特征選擇AbstraetAbstractClusteringanalysisandfeaturedimensionreductionaretwoimportantresearchtopicsinpatternrecognitionfield．Asallimportantunsupervisedpatternrecognitiontoolclusteringanal
6、ysishasbeenusedindiversefieldssuchasdatamining,biology,computervision，documentanalysis．Itaimstoclusteradatasetintomostsimilargroupsinthesameclusterandmostdissimilargroupsindifferentclusters．Featuredimensionreductionincludingfeatureextractionandfeatureselectionplaysaveryimportan
7、troleinpatternrecognition．Ithelpstoremovenoisyfeaturesandreducethedimensionalityoforiginaldatasets．Thispaperisaimedatseveralissuesbasedonfuzzyclusteringandfeaturedimensionreduction，includingfuzzyFishercriterionbasedsemi-fuzzyclustering，unsupervisedfeatureextractionandfeaturesel
8、ectionforimbalanceddatasetetc．Inthispaper,thecreativer
