基于核函数参数优化的FCM聚类算法的研究
A STUDY OF A NEW FCM CLUSTERING ALGORITHM BASED ON THE KERNEL METHOD WITH OPTIMIZED PARAMETERS
摘要
Abstract
第1章 绪论
1.1 课题研究的背景及意义
1.2 聚类分析的概况
1.3 核方法的概念
1.4 本文的研究内容
第2章 基于目标函数的模糊聚类分析
2.1模糊聚类理论发展
2.2数据集的c划分
2.3聚类目标函数
2.3.1硬聚类目标函数
2.3.2模糊聚类目标函数
2.4模糊c-均值聚类算法
2.5 模糊聚类算法实现途径的研究
2.5.1基于梯度的优化算法研究
2.5.2基于神经网络的优化算法研究
2.5.3基于进化计算的优化算法研究
2.6本章小结
第3章 核函数理论
3.1 基本概念
3.3.1 相似程度
3.3.2 两点的相似度
3.2 积特征
3.3 Mercer核
3.4 核函数的构造
3.5 本章小结
第4章 核聚类算法
4.1 引言
4.2 核聚类算法的基础理论
4.3 两种基于核函数的FCM算法(FKCM)
4.3.1 模糊核 均值算法问题的刻画
4.3.2特征空间中的模糊核聚类算法(KFCM-Ⅰ)
4.3.3输入空间中的模糊核聚类算法(KFCM-Ⅱ)
4.3.4 KFCM-Ⅱ算法的鲁棒性分析
4.3.5仿真实验及结果分析
4.4 对不完整数据集的聚类
4.4.1处理不完整数据时的模糊核聚类算法
4.4.2实验结果
4.5本章小结
第5章 对离群数据点核函数方法的优化
5.1 离群问题
5.2 特征加权模糊核聚类算法
5.3 特征加权模糊核聚类算法的收敛性
5.4 仿真实验
5.5 本章小结
结论
参考文献
哈尔滨工业大学硕士学位论文原创性声明
哈尔滨工业大学硕士学位论文使用授权书
致谢
个人简历