基于神經(jīng)網(wǎng)絡(luò)模糊聚類的研究.pdf

1、隨著人類社會的發(fā)展與科學(xué)技術(shù)的進(jìn)步,在實際問題中經(jīng)常遇到分類的問題.聚類是一個古老的問題,它伴隨著人類社會的產(chǎn)生和發(fā)展而不斷深化,人類要認(rèn)識世界就必須區(qū)別不同的事物并認(rèn)識事物間的相似性,而每個概念的最初形成無不借助于事物的聚類分析.因此,聚類分析的研究不僅具有重要的理論意義,也具有重要的工程應(yīng)用價值和人文價值.聚類算法雖然經(jīng)過多年發(fā)展,取得的豐碩的成果,新算法的提出層出不窮,但是仍然無法找到一個普遍適用的方法,有很多問題現(xiàn)在還是無法解決

2、.隨著現(xiàn)代算法的研究深入,將會有助于加速模糊聚類的發(fā)展.本文以模糊數(shù)學(xué)理論為基礎(chǔ),面向模糊聚類算法,系統(tǒng)介紹了模糊聚類的面向目標(biāo)函數(shù)的算法,研究分析了對FCM算法產(chǎn)生影響的相似性準(zhǔn)則、原始數(shù)據(jù)集、聚類原型三個問題,指出FCM算法當(dāng)前存在的優(yōu)點和不足.本文著重討論了基于模糊邏輯神經(jīng)元的聚類網(wǎng)絡(luò)、Cauchy訓(xùn)練的模擬退火算法、FCM算法,并對算法進(jìn)行了改進(jìn)和混合,給出了基于模糊邏輯神經(jīng)元的聚類網(wǎng)絡(luò)和Cauchy訓(xùn)練的模擬退火算法為基礎(chǔ)的F

3、CM算法,試驗證明該算法的有效性非常高,在隨機給出的初始聚類中心的試驗中有效率高達(dá)99％,具有非常好的性能.對聚類分析的前期工作,樣品數(shù)據(jù)規(guī)格化、距離計算、關(guān)聯(lián)程度的計算方法進(jìn)行了歸類和評述.介紹了模糊數(shù)學(xué)的相關(guān)概念,對模糊聚類使用到的模糊理論做些相關(guān)分析研究.通過模糊數(shù)學(xué)的引入,為聚類引入模糊概念,更好的模擬現(xiàn)實完成聚類任務(wù).對模糊聚類方法進(jìn)行了介紹,分析了現(xiàn)階段國內(nèi)外模糊聚類的研究進(jìn)展.對基于模糊神經(jīng)元的聚類網(wǎng)絡(luò)算法進(jìn)行了深入研究,

4、主要在聚類過程中能量的變化,聚類有效性和聚類耗時,該算法對聚類原型的影響等方面做出分析總結(jié).同時采用了引入頻率參數(shù)和模擬退火算法,使單一的模糊神經(jīng)元的聚類網(wǎng)絡(luò)算法避免陷入局部極小值,提高了算法性能.對模擬退火算法進(jìn)行了系統(tǒng)分析,實現(xiàn)Cauchy訓(xùn)練改善模擬退火算法.對改進(jìn)算法在能量變化、聚類有效性和聚類耗時加以分析.提出其和神經(jīng)元算法混合改善神經(jīng)元算法,減少神經(jīng)元算法對初始聚類中心的敏感性.本文共分六章,第一章討論了聚類的基本理論和聚類