資源描述：
《基于偶對(duì)約束的半監(jiān)督模糊聚類算法研究》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(kù)。
1、HEBEIUNIVERSITY密級(jí)：分類號(hào)：學(xué)校代碼：10075學(xué)號(hào)：20111504碩士學(xué)位論文基于偶對(duì)約束的半監(jiān)督模糊聚類算法研究學(xué)位申請(qǐng)人：周宇飛指導(dǎo)教師：李凱教授企業(yè)導(dǎo)師：李海雁高級(jí)工程師學(xué)位類別：工程碩士授予單位：河北大學(xué)完成日期：二〇一四年五月ClassifiedIndex:CODE:10075U.D.C:NO:20111504ADissertationfortheDegreeofMasterStudyofSemi-SupervisedFuzzyClusteringAlgorithmBased
2、onPairwiseconstraintsCandidate:ZhouYufeiSupervisor:Prof.LiKaiAdvisorinEnterprise:SE.LiHaiyanAcademicDegreeAppliedfor:MasterofEngineeringUniversity:HebeiUniversityDateofAccomplishment:May,2014摘要摘要半監(jiān)督聚類是一種通過(guò)引入部分監(jiān)督信息來(lái)提高聚類性能的方法，它在實(shí)際中也有很廣泛的應(yīng)用比如：生物領(lǐng)域，醫(yī)學(xué)領(lǐng)域，模式識(shí)別領(lǐng)
3、域等等，對(duì)于常見(jiàn)的半監(jiān)督聚類來(lái)說(shuō)，度量函數(shù)有很多，比如歐式度量，高斯核函數(shù)等等，其中最常用的度量函數(shù)就是歐式度量，但是對(duì)于歐式度量也有它的缺點(diǎn)：1僅對(duì)球形數(shù)據(jù)有比較好的效果，2在處理樣本相關(guān)性比較大的數(shù)據(jù)集時(shí)聚類效果一般，3對(duì)于高維數(shù)據(jù)樣本的計(jì)算量很大，容易由此導(dǎo)致計(jì)算時(shí)間過(guò)長(zhǎng)問(wèn)題。針對(duì)以上幾個(gè)問(wèn)題，本文將不同的度量函數(shù)與半監(jiān)督算法相結(jié)合，研究了基于不同度量函數(shù)和偶對(duì)約束的半監(jiān)督模糊聚類算法F-SCAPC。具體的研究?jī)?nèi)容如下：（1）解決數(shù)據(jù)樣本相關(guān)性的問(wèn)題歐氏距離對(duì)給定的球形數(shù)據(jù)集有比較好的聚類效果，但是
4、如果是橢圓形數(shù)據(jù)，聚類效果就不太理想，另一方面如果所給定的數(shù)據(jù)集的樣本相關(guān)性比較大，也無(wú)法獲得好的聚類效果。而馬氏距離善于處理樣本相關(guān)性比較大的數(shù)據(jù)。通過(guò)將馬氏距離引入到算法中，修改目標(biāo)函數(shù)，可以很好地解決這類問(wèn)題。（2）解決高維數(shù)據(jù)聚類產(chǎn)生數(shù)據(jù)計(jì)算量過(guò)大的問(wèn)題歐式度量在聚類過(guò)程中可能會(huì)由于數(shù)據(jù)維數(shù)過(guò)高，運(yùn)算量太大而出現(xiàn)計(jì)算崩潰問(wèn)題，而核函數(shù)可以通過(guò)產(chǎn)生的高維特征空間映射來(lái)解決這個(gè)問(wèn)題，本文通過(guò)將高斯核函數(shù)引入到算法中，將樣本點(diǎn)由輸入空間映射到新的高維特征空間，在進(jìn)行聚類，也有比較好的聚類效果。本文研究了
5、基于偶對(duì)約束的半監(jiān)督模糊聚類，將馬氏度量和高斯核函數(shù)引入到半監(jiān)督模糊聚類中，獲得了一種新的半監(jiān)督模糊聚類目標(biāo)函數(shù)，通過(guò)求解優(yōu)化問(wèn)題，提出了基于偶對(duì)約束和不同度量函數(shù)的半監(jiān)督模糊聚類算法F-SCAPC。針對(duì)選擇的標(biāo)準(zhǔn)數(shù)據(jù)集和人工數(shù)據(jù)集，對(duì)提出的算法F-SCAPC進(jìn)行了實(shí)驗(yàn)研究，并與FCM、CA、KCA、AFCC、KFCM-F和SCAPC算法的聚類性能進(jìn)行了比較，結(jié)果表明了提出的算法F-SCAPC在收斂速度和正確率兩方面都是有效的。關(guān)鍵詞半監(jiān)督聚類偶對(duì)約束馬氏度量高斯核函數(shù)IAbstractAbstractS
6、emi-supervisedclusteringisanimportantmethodwhichcanimproveclusteringperformancebyintroducingpartialsupervisedinformation;italsohasbeenwidelyusedinareassuchasbiologyfield,medicalfieldandpatternrecognition.Generallyspeakingthereisalotofmetricfunctionforsemi
7、-supervisedclusteringalgorithm.Forexample:Euclideanmetric,Kernelmetricandsoon.Euclideanmetricisthemostcommonlyusedmetricfunction.ButitalsohasdisadvantagesforEuclideanmetric:1.Itonlyhasbettereffectonsphericaldata,2Theclusterresultisnotgoodduringprocessingl
8、argecorrelationdata,3Ifthedataishighdimensional,thecomputationmaybeveryhigh,anditmaycausethecurseofdimensionality.Specifictothoseproblems,weproposeasemi-supervisedfuzzyclusteringalgorithmF-SCAPCwhichbasedonmetriclea
