聚类算法中的优化方法应用PDF|Epub|txt|kindle电子书版本网盘下载

聚类算法中的优化方法应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

第一节 引言1

第二节 本书的研究背景与意义1

第三节 本书的研究思路与研究主线2

一、本书的研究思路2

二、本书的研究主线3

第四节 与本课题相关的国内外研究进展4

第五节 本书相关的技术与方法5

一、数据挖掘5

二、最优化理论和方法6

三、特征选择和特征加权6

四、聚类分析7

五、分类8

第六节 本书的主要内容10

第2章 K－中心点算法的优化研究12

第一节 引言12

第二节 K－中心点轮换法12

一、K-means聚类算法和K－中心点聚类算法12

二、K－中心点轮换法13

三、仿真实验15

四、聚类数目的合适性讨论20

第三节 基于近似类抽样的组合聚类方法21

一、几个基本概念的引入21

二、基于近似类抽样的组合聚类算法22

三、仿真实验25

本章小结26

第3章 Rosenbrock搜索法在聚类分析中的研究27

第一节 引言27

第二节 Rosenbrock搜索法在聚类分析中的应用27

一、聚类问题的描述27

二、聚类中心点集的k步优化搜索策略27

三、Rosenbrock搜索K－代表点聚类算法28

四、优化搜索方法的讨论30

第三节 仿真实验31

本章小结33

第4章 特征权重的自适应优化方法研究34

第一节 引言34

第二节 特征权重的自适应优化35

一、特征权重的自适应优化问题描述35

二、几个优化目标函数35

三、优化特征权重的带约束的最小化目标函数36

四、优化特征权重的带约束的混合目标函数38

五、仿真实验45

六、优化参数λ49

第三节 基于核映射的属性权重的自适应优化50

一、属性权重的自适应优化配置51

二、基于核映射的优化属性权重的混合目标函数53

三、仿真实验58

四、优化参数λ和σ61

第四节 特征权重的评估63

本章小结64

第5章 特征加权的模糊C聚类算法研究65

第一节 引言65

第二节 模糊C均值聚类算法与特征权重优化相结合的研究66

一、特征权重组的自适应优化配置问题描述66

二、K-means聚类算法与特征权重优化相结合的研究66

三、FCM聚类算法与特征权重优化相结合的研究66

四、模糊C均值聚类算法与特征权重优化相结合的扩展研究71

五、仿真实验77

第三节 基于核映射的加权模糊C聚类算法79

一、基于核映射的加权模糊C聚类算法79

二、基于核映射的加权FCM聚类算法的扩展研究83

第四节 基于混合目标函数的加权模糊C聚类算法85

一、FCM聚类算法与特征权重优化相结合的研究85

二、基于混合目标函数的加权模糊C聚类算法描述90

三、基于混合目标函数的加权模糊C聚类算法的扩展研究91

四、仿真实验92

五、特征加权的聚类算法小结95

第五节 WKMeans聚类算法的实验结果及分析95

一、二个标准数据集的实验结果95

二、实验结果比较与分析97

三、特征权重的评估97

本章小结98

第6章 基于决策树划分的特征权重优化研究99

第一节 引 言99

第二节 基于决策树划分的特征权重优化99

一、问题描述99

二、基于决策树划分的特征权重优化方法100

三、混合属性数据点集的特征权重优化策略100

第三节 混合属性数据点集的特征权重优化101

一、混合属性数据点集的距离定义101

二、有序属性子集的特征权重优化101

三、无序类别属性子集的特征权重优化102

四、距离权重系数γ的优化103

第四节 几个目标函数的优化策略104

一、投影梯度法105

二、L氏极值法105

第五节 基于决策树划分的特征权重优化算法107

一、算法描述107

二、类别可分性判据的推广定义107

三、基于决策树划分的特征权重优化算法的迭代停止准则108

四、优化特征权重的其他几个目标函数109

第六节 仿真实验110

一、仿真实验设计110

二、仿真实验结果111

三、实验结果比较与分析115

本章小结115

结束语116

参考文献118