基于遗传算法和信息熵的改进模糊聚类算法研究及应用

摘要

聚类分析是一个正在蓬勃发展的领域,被广泛应用于图像分割、人工智能等领域。模糊聚类是将模糊理论与数据聚类相结合的科学,在许多领域被应用。FCM(fuzzy c-means algorithm)算法作为一种重要的模糊聚类方法,具有操作简单、易于计算机实现、收敛速度快等优点,但是FCM算法对初值比较敏感,容易陷入局部极小值。
　　遗传算法是一种依概率搜索的全局优化算法,将遗传算法与FCM算法相结合,将对算法的全局能力产生巨大作用。
　　本文首先采用简单的传递闭包法对中国30省的二氧化碳排放量进行聚类分析。
　　其次,将传递闭包法和FCM算法结合,构建一类混合型模糊聚类算法,并将新的算法应用于中国二氧化碳排放的聚类中。
　　最后,针对FCM算法容易早熟以及不能确定最优聚类数目问题,综合了遗传算法和信息熵的优点,对FCM算法进行改进,构建一类基于遗传算法和信息熵的模糊聚类算法,并将改进后的算法应用于中国省级区域二氧化碳排放聚类分析中。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

Contents

图清单

表清单

变量注释表

1 绪论

1.1 研究背景（Research Background）

1.2 研究现状（Current Status of Research）

1.3 遗传算法（Genetic Algorithm）

1.4 模糊聚类（Fuzzy Cluster）

1.5 研究内容（Study Contents）

2 动态聚类算法及应用

2.1 传递闭包法（Transitive Closure）

2.2 传递闭包法在中国二氧化碳排放中的应用（The Application of Transitive Closure in Carbon Dioxide Emissions in China）

3 一类混合型模糊聚类算法及应用

3.1 混合型模糊聚类算法设计步骤（The Steps of Blended Fuzzy Cluster Algorithm）

3.2 最佳分类数（Optimal Number of Clustering）

3.3 混合聚类算法在中国二氧化碳排放中的应用（ The Application of Blended FCM in Carbon Dioxide Emissions in China）

4 一类基于遗传算法的模糊聚类算法及应用

4.1 基于遗传算法改进的FCM算法（The Improved FCM based on Genetic Algorithm）

4.2 改进的FCM算法在二氧化碳排放中的应用（The Application of Improved FCM in Carbon Dioxide Emissions）

5 结论

5.1 结论（Conclusions）

5.2 展望（Prospects）

参考文献

附录1

作者简历

学位论文数据集