聚類算法及聚類有效性指標(biāo)的研究

《聚類算法及聚類有效性指標(biāo)的研究》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、分類號(hào)密級(jí)碩士學(xué)位論文題目：聚類算法及聚類有效性指標(biāo)的研究英文并列題目：ResearchofFuzzyClusteringAlgorithmandClusterValidityindex研究生：趙娜娜專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)研究方向：計(jì)算機(jī)應(yīng)用與技術(shù)導(dǎo)師：錢(qián)雪忠指導(dǎo)小組成員：學(xué)位授予日期：2016年6月答辯委員會(huì)主席：吳小俊江南大學(xué)地址：無(wú)錫市蠡湖大道1800號(hào)二○一六年五月獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及?。崳姷玫难芯砍晒?。盡我所知，除了文中特別加Ｗ掠注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含本人為獲得江南

2、大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料一。我同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。簽名?！眨崳姡喝眨壠冢海财鹚玻蓿。敉P(guān)于論文使用授權(quán)的說(shuō)明本學(xué)位論文作者完全了解江南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：江南大學(xué)有權(quán)保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磯盤(pán)，允許論文被查閱和借陶，可學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可Ｗ采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文，并且本人電子文擋的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學(xué)位論文在解密后也遵守此規(guī)定。簽名：導(dǎo)師簽名：日期！

3、之。Ｈ挪島弓摘要摘要聚類分析技術(shù)作為數(shù)據(jù)分析的一種方法，應(yīng)用十分廣泛。其中，模糊聚類能夠有效地處理事物的不確定性和模糊性，能夠客觀地反映現(xiàn)實(shí)世界和事物的本質(zhì)，已經(jīng)成為數(shù)據(jù)聚類理論中的重要一部分。模糊C均值（Fuzzyc-means，F(xiàn)CM）算法是最為常用的模糊聚類技術(shù)之一，在數(shù)據(jù)挖掘、人工智能和圖像處理等領(lǐng)域被廣泛應(yīng)用。雖然FCM算法具有簡(jiǎn)單、高效、易于在計(jì)算機(jī)上實(shí)現(xiàn)等優(yōu)點(diǎn)，但是還是存在一些缺陷，比如，需要預(yù)先設(shè)定數(shù)據(jù)的劃分?jǐn)?shù)、開(kāi)始每一個(gè)類中心的選擇容易影響劃分的效果、容易受到噪點(diǎn)和孤立點(diǎn)的影響等等。針對(duì)上述FCM存在的一些缺陷，我們提出了對(duì)應(yīng)的改進(jìn)方法，本文主要從以下方面作

4、了改進(jìn)：(1)對(duì)于FCM算法不能預(yù)知數(shù)據(jù)的分類數(shù)，新的聚類有效性指標(biāo)CSO被提出，該指標(biāo)考慮了聚類的緊致度、重疊度和分離度。實(shí)驗(yàn)結(jié)果證明，新的指標(biāo)均能發(fā)現(xiàn)最優(yōu)聚類數(shù)，從而證明克服了FCM算法聚類數(shù)需要預(yù)先設(shè)定的缺點(diǎn)，并且能夠準(zhǔn)確判斷含有交疊子類的最佳聚類數(shù)。(2)本文將FCM算法與PSO算法相結(jié)合，重新設(shè)計(jì)了適應(yīng)度函數(shù)，進(jìn)而提出了一個(gè)改進(jìn)的聚類算法。該算法利用了PSO算法具有較強(qiáng)的全局搜索能力和收斂能力的優(yōu)勢(shì)解決FCM算法的初始聚類中心的選取，并且采用了FCM算法目標(biāo)函數(shù)與聚類中心距離兩方面結(jié)合設(shè)計(jì)了新的適應(yīng)度函數(shù)。實(shí)驗(yàn)結(jié)果證明，新改進(jìn)的算法一定程度上避免了FCM算法容易陷入局部

5、最優(yōu)的問(wèn)題。(3)最后，將新改進(jìn)的算法與新的指標(biāo)相結(jié)合，將其應(yīng)用到圖像分割中。該算法先利用新的指標(biāo)CSO估取圖像的最佳分割數(shù)目，結(jié)合改進(jìn)的FCM算法應(yīng)用到圖像分割。實(shí)驗(yàn)結(jié)果證明，該算法能夠取得很好的分割效果。關(guān)鍵詞：模糊c均值算法；聚類有效性指標(biāo)；初始聚類中心；圖像分割I(lǐng)AbstractAbstractClusteringanalysisasamethodofdataanalysisappliedverywidely.Amongthem,thefuzzyclusteringtechnologycandealwiththeuncertaintyandfuzzinessofthing

6、seffectively,whichcanobjectivelyreflecttherealworldandthenatureofthingshasbecomeanimportantpartofdataclusteringtheory.Fuzzyc-means(Fuzzyc-means,FCM)algorithmisoneofthemostcommonlyusedfuzzyclusteringtechnology,suchasdatamining,artificialintelligenceandimageprocessing.AlthoughtheFCMalgorithmhas

7、theadvantagesofsimpleness,highefficiency,easytoimplementation,therearestillsomeweaknessesandshortages,forexample,itrequiresapredeterminednumberofclustering,clusteringdividedresultsareinfluencedbythechoiceofinitialclusteringcenters,itiseasytof