论文-成都信息工程大学论文管理系统.doc

PAGE  第  PAGE 1 页 共  NUMPAGES 41 页 分类号：TP 301.6 U D C：D10621-408-(2009)1500-0 密 级：公 开 编 号：2005073127 成都信息工程学院 学位论文 聚类算法及其应用研究 论文作者姓名：王陆斯申请学位专业：自动化申请学位类别：工学学士指导教师姓名（职称）：朱明（副教授）论文提交日期：2009年06月08日  聚类算法及其应用研究 摘 要 聚类算法是近年来因计算机技术的发展需要而提出的一种无监督学习方法,在模式识别、机器学习等领域的应用与研究中显示出强大的数据分析与处理能力。研究聚类算法不仅具有重要的理论意义，同样具有重要的工程应用价值和人文价值。聚类问题的研究，其核心目标在于如何提取事物的特定属性，进而能将事物做最大程度上的合理划分，聚集成类。现有基本K-Means、FCM聚类算法在聚类过程中依然存在着诸多不足，尤其在如何使算法能够自动确定最佳聚类数的问题上，有待进一步优化改良。 本研究在不影响聚类有效性的前提下改进既有算法，将划分熵的概念引入到聚类算法中，提升聚类的有效性。文章着重在算法如何自动确定最佳聚类数的问题上进行了深入的讨论分析。与此同时，依托传统FCM算法的聚类方式与迭代流程，本文建立了用于准确衡量聚类效果的新目标函数，细化参数作用，进而实现算法的准确自适应聚类。 在此基础上，为了对比测试聚类算法的性能，本文设计并实现了一款GUI人机交互式界面。该界面能方便地实现聚类效果的三维可视化功能。进一步提升改进算法的操作性与便捷性，拓宽聚类分析的应用领域。 关键词：聚类；熵；自适应  Research on the Clustering Optimization Algorithm and Its Applications Abstract Clustering algorithm is a new non-supervised study method depends on the development of the computer technology, which shows a great power and capability in the patterns of recognition, machine learning and other fields of application and research. Study on clustering algorithm has not only important theoretical significance, but also great value of engineering-application and humanism. The clustering research, whose core objective is to extract specific attributes of things, and make things into different categories reasonably, making different categories together. Existing basic K-Means, FCM clustering algorithm in the clustering process with many still exist, particularly in how the algorithm can automatically determine the optimal cluster number .It should be further optimized to improve. This thesis aim will improve the existing algorithms, and bring the concept of entropy into the clustering algorithm to enhance the effectiveness of clustering . The paper focuses on how to self-adaptively determine the best algorithm for clustering the number of issues to discuss in-depth analysis. At the same time, relying on the traditional FCM clustering al