發(fā)布時間：2024-01-21 14:35

　　在信息時代里,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)展面臨著嚴峻的考驗。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)過長時間的發(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)集時常出現(xiàn)陷入局部極小的問題。近年來,隨著對神經(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)對不確定性信息的處理能力強,具有非常強的魯棒性,其中屬于無監(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),可以針對一個具體的目標(biāo)函數(shù)進行求解,與聚類問題的定義非常契合,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...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

本文編號：3882171