基于预测密度的聚类分析及对距离的灵敏度分析

摘要

本文主要讨论基于预测密度下的聚类分析问题，运用Bootstrap抽样以及非参核估计的方法，得到未来时刻样本的密度函数，分别利用Kullbaek-libler距离、L<'2>距离、对称的Kullback-libler距离进行聚类分析，通过对聚类结果的分析，得到对称的Kullbaek-libler距离更适合此种聚类方法。其中对距离的估计采用的是MonteCarlo方法。 本文正文分为五部分：第一部分聚类分析简介；第二部分主要介绍了基于完全预测密度的聚类分析的主要理论、方法和步骤；第三部分给出三种距离，建立模型计算距离的精确值。第四部分利用计算机进行模拟研究，分别利用每种距离进行聚类，比较聚类的结果；第五部分得出对称的Kullback-libier距离更适合此种聚类方法的结论，并对结论进行分析。

目录

文摘

英文文摘

声明

引 言

第一章聚类分析简介

第二章主要理论、方法和步骤

第三章模型的建立及相关距离的定义

第四章模拟研究

第五章结果与分析

参考文献

附 录

后 记