發(fā)布時(shí)間：2024-01-21 14:35

　　在信息時(shí)代里,人類需要在非常大量的信息中挖掘潛在信息,其中聚類分析是重要的手段之一。在數(shù)據(jù)挖掘領(lǐng)域中,聚類分析是很重要的一塊內(nèi)容。由于技術(shù)的發(fā)展,需要處理的數(shù)據(jù)的數(shù)量增長(zhǎng)快速,維度相比從前也增加很多,數(shù)據(jù)的結(jié)構(gòu)類型變得更加復(fù)雜多樣,因此聚類分析技術(shù)的發(fā)展面臨著嚴(yán)峻的考驗(yàn)。傳統(tǒng)的聚類分析技術(shù)可以分為基于層次的、基于劃分的、基于網(wǎng)格的、基于密度的、基于模型的等五種類型,經(jīng)過(guò)長(zhǎng)時(shí)間的發(fā)展,學(xué)者們又提出了基于熵的聚類、譜聚類、不確定聚類等技術(shù)。但大多聚類分析算法缺乏普適性,在處理具有復(fù)雜多樣的數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)集時(shí)常出現(xiàn)陷入局部極小的問(wèn)題。近年來(lái),隨著對(duì)神經(jīng)網(wǎng)絡(luò)技術(shù)研究的復(fù)興,學(xué)者發(fā)現(xiàn)該技術(shù)對(duì)不確定性信息的處理能力強(qiáng),具有非常強(qiáng)的魯棒性,其中屬于無(wú)監(jiān)督學(xué)習(xí)的彈性網(wǎng)絡(luò)算法具有良好的幾何性質(zhì),可以針對(duì)一個(gè)具體的目標(biāo)函數(shù)進(jìn)行求解,與聚類問(wèn)題的定義非常契合,因此本文在彈性網(wǎng)絡(luò)算法的基礎(chǔ)上進(jìn)行了研究,將該網(wǎng)絡(luò)應(yīng)用在聚類分析領(lǐng)域中。本文的主要工作內(nèi)容和成果如下:1、由于原始彈性網(wǎng)絡(luò)算法僅用于求解TSP問(wèn)題,因此首先提出基于極大熵的彈性網(wǎng)絡(luò)聚類算法(Elastic Net of Clustering based...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3882171