图书介绍

模糊聚类算法及应用pdf电子书版本下载

模糊聚类算法及应用
  • 曲福恒,崔广才,李岩芳等编著 著
  • 出版社: 北京:国防工业出版社
  • ISBN:9787118076318
  • 出版时间:2011
  • 标注页数:138页
  • 文件大小:6MB
  • 文件页数:148页
  • 主题词:模糊模式识别

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页

下载说明

模糊聚类算法及应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

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

图书目录

第一章 绪论 1

1.1 聚类分析背景介绍 1

1.2 聚类分析的基本概念 1

1.2.1 聚类分析的基本步骤 2

1.2.2 聚类分析中的数据类型 3

1.2.3 聚类分析中的相似性度量 4

1.3 当前聚类算法中面临的主要问题 6

第二章 聚类算法综述 7

2.1 基于划分的方法 7

2.1.1 基于误差平方和最小化准则的聚类方法 7

2.1.2 基于概率混合模型的聚类算法 9

2.1.3 基于图论的聚类方法 11

2.1.4 核聚类 13

2.1.5 谱聚类 16

2.2 基于层次的方法 18

2.3 基于神经网络的聚类方法 19

2.4 利用优化技术进行聚类 20

2.4.1 用于聚类的随机性优化技术 20

2.4.2 用于聚类的确定性优化技术 22

2.5 基于网格的聚类方法 25

2.6 聚类集成技术 26

第三章 模糊集合论基础 27

3.1 普通集合简介 27

3.1.1 集合的概念 27

3.1.2 集合的运算性质 28

3.1.3 集合间的关系 30

3.1.4 集合的表示 30

3.1.5 幂集、重有序组和笛卡儿乘积 31

3.2 模糊集合及其运算 33

3.2.1 模糊子集的定义及其表示 33

3.2.2 模糊子集的运算 35

3.3 分解定理与扩张原理 37

3.3.1 分解定理 37

3.3.2 扩张原理(扩展原理) 38

3.3.3 隶属函数 38

3.3.4 模糊矩阵 40

3.3.5 模糊关系 43

第四章 模糊聚类算法 46

4.1 模糊聚类算法研究现状 46

4.2 基于模糊等价关系的模糊聚类方法 46

4.2.1 传递闭包聚类法 47

4.2.2 布尔矩阵聚类法 50

4.2.3 直接聚类法 51

4.2.4 最佳阈值λ的确定 51

4.2.5 应用示例 52

4.3 模糊c均值聚类算法 61

4.4 可能性c均值聚类算法 65

4.5 可能性模糊c均值聚类算法 66

第五章 基于核的改进模糊聚类算法 68

5.1 核的基本概念 68

5.2 基于核的改进模糊c均值聚类算法 69

5.2.1 放松约束的模糊c均值算法 70

5.2.2 特征空间中的改进模糊c均值聚类算法 70

5.2.3 基于核化距离的改进模糊c均值聚类算法 73

5.2.4 实验分析与实际应用 75

5.2.5 总结分析 78

5.3 推广的核可能性聚类算法(GKPCM) 78

5.3.1 可行域是凸集时的GKPCM聚类模型 79

5.3.2 基于优化技术的GKPCM 81

5.3.3 实验分析与实际应用 82

5.3.4 GKPCM算法总结 84

第六章 一类核模糊聚类算法的收敛性 85

6.1 基于核的FCM算法的收敛性 85

6.1.1 Zangwill收敛性定理 86

6.1.2 基于核的模糊c均值聚类算法 86

6.1.3 KFCM算法的收敛性 89

6.1.4 核化距离FCM算法的收敛性 95

6.1.5 总结 95

6.2 IKFCM1算法的收敛性 96

6.3 IKFCM2与IKDFCM算法的收敛性 104

第七章 无监督多尺度聚类算法 105

7.1 引言 105

7.2 修正的IFCM算法(MIFCM) 106

7.3 UMF的目标函数 108

7.4 多尺度因子与多尺度性质 109

7.5 聚类有效性 110

7.6 η的离散化方法 111

7.7 UMF的概率解释:一种新的MS聚类算法 112

7.8 UMF算法 115

7.9 快速UMF算法(FUMF) 116

7.10 实验分析 117

7.10.1 UMF算法性能测试 117

7.10.2 FUMF算法性能测试 118

7.11 其他应用 120

7.11.1 利用UMF判定数据是否存在聚类结构 120

7.11.2 利用UMF改进其他聚类算法 120

附录 122

参考文献 131

精品推荐