已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、本文以數(shù)據(jù)挖掘算法中的C均值聚類算法為主要研究對象,在分析kmeans和FCM算法流程的基礎上,將粒子群算法用于kmeans算法中,提出基于粒子群的K均值算法,用大量隨機產(chǎn)生的數(shù)據(jù)和國際標準法分類數(shù)據(jù)中的IRIS數(shù)據(jù)來驗證其有效性,并將這種算法與已有的基于遺傳算法的K均值算法進行比較,實驗證明本文的粒子群K均值聚類算法在收斂精度和穩(wěn)定性比遺傳K均值聚類算法要好。然后進一步把粒子群算法和模糊C均值算法結(jié)合起來,用二階段法實現(xiàn)了更具有廣泛意
2、義的基于粒子群的模糊C均值算法,并與基于遺傳算法的模糊C均值算法進行比較,實驗證明本文提出的基本于粒子群的模糊C均值算法改善了FCM易于陷入局部最小值的問題,而且穩(wěn)定性比基于遺傳算法的模糊C聚類算法要好。本文的研究結(jié)果一定程度上解決了C均值聚類算法易陷入局部最小值和對初始值敏感的問題,提高C均值算法的收斂精度,在數(shù)據(jù)聚類中有很好的應用效果。同時也是粒子群算法的一個新的嘗試,該研究將對粒子群算法的進一步推廣和應用有一定的參考價值,為進一
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進粒子群算法的C-均值聚類算法研究.pdf
- 基于改進粒子群的K均值聚類算法研究.pdf
- 融合粒子群和蛙跳算法的模糊C-均值聚類算法研究.pdf
- 基于粒子群算法的模糊聚類研究.pdf
- 一種基于改進粒子群和K均值結(jié)合的聚類算法.pdf
- 基于改進粒子群優(yōu)化算法的聚類算法研究.pdf
- 基于變異粒子群的聚類算法研究.pdf
- 基于改進粒子群優(yōu)化的聚類算法研究.pdf
- 基于粒子群算法的聚類算法及其應用研究.pdf
- 基于Spark的模糊c均值聚類算法研究.pdf
- 基于粒子群的粗糙聚類算法分析與研究.pdf
- C-均值聚類算法的改進研究.pdf
- 基于免疫遺傳算法和粒子群算法的聚類研究.pdf
- 基于均值漂移聚類和優(yōu)化的粒子濾波跟蹤算法研究.pdf
- 基于中智C-均值聚類的分割算法研究.pdf
- 基于模糊c均值聚類的SAR圖像分割算法研究.pdf
- 基于粒子群和粗糙集的聚類算法研究.pdf
- 基于GA優(yōu)化的核模糊C均值聚類算法的研究.pdf
- 基于粒子群算法的圖像聚類研究與實現(xiàn)【文獻綜述】
- 基于自適應粒子群的k-中心聚類算法研究.pdf
評論
0/150
提交評論