聚类算法中的优化方法应用【可开电子发票】

章 绪论
节 引言
第二节 本书的研究背景与意义
第三节 本书的研究思路与研究主线
一、本书的研究思路
二、本书的研究主线
第四节 与本课题相关的外研究进展
第五节 本书相关的技术与方法
一、数据挖掘
二、化理论和方法
三、特征选择和特征加权
四、聚类分析
五、分类
第六节 本书的主要内容
第2章 尽中心点算法的优化研究
节 引言
第二节 肛中心点轮换法
一、肛means聚类算法和肛中心点聚类算法
二、“中心点轮换法
三、仿真实验
四、聚类数目的合适性讨论
第三节 基于近似类抽样的组合聚类方法
一、几个基本概念的引入
二、基于近似类抽样的组合聚类算法
三、仿真实验
本章小结
第3章 Rosenbrock搜索法在聚类分析中的研究
节 引言
第二节 Rosenbrock搜索法在聚类分析中的应用
一、聚类问题的描述
二、聚类中心点集的尼步优化搜索策略
三、Rosenbrock搜索“代表点聚类算法
四、优化搜索方法的讨论
第三节 仿真实验
本章小结
第4章 特征权重的自适应优化方法研究
节 引言
第二节 特征权重的自适应优化
一、特征权重的自适应优化问题描述
二、几个优化目标函数
三、优化特征权重的带约束的化目标函数
四、优化特征权重的带约束的混合目标函数
五、仿真实验
六、优化参数五
第三节 基于核映射的属性权重的自适应优化
一、属性权重的自适应优化配置
二、基于核映射的优化属性权重的混合目标函数
三、仿真实验
四、优化参数
第四节 特征权重的评估
本章小结
第5章 特征加权的模糊c聚类算法研究
节 引言
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
一、特征杈重组的自适应优化配置问题描述
二．means聚类算法与特征杈重优化相结合的研究
三、FCM聚类算法与特征权重优化相结合的研究
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
五、仿真实验
第三节 基于核映射的加权模糊C聚类算法
一、基于核映射的加权模糊C聚类算法
二、基于核映射的加权：FCM聚类算法的扩展研究
第四节 基于混合目标函数的加权模糊C聚类算法
一、FCM聚类算法与特征权重优化相结合的研究
二、基于混合目标函数的加权模糊c聚类算法描述
三、基于混合目标函数的加权模糊C聚类算法的扩展研究
四、仿真实验
五、特征加权的聚类算法小结
第五节 WKMeans聚类算法的实验结果及分析
一、二个标准数据集的实验结果
二、实验结果比较与分析
三、特征权重的评估
本章小结
第6章 基于决策树划分的特征权重优化研究
节 引言
第二节 基于决策树划分的特征权重优化
一、问题描述
二、基于决策树划分的特征权重优化方法
三、混合属性数据点集的特征权重优化策略
第三节 混合属性数据点集的特征权重优化
一、混合属性数据点集的距离定义
二、有序属性子集的特征权重优化
三、无序类别属性子集的特征权重优化
四、距离权重系数y的优化
第四节 几个目标函数的优化策略
一、投影梯度法
二．￡氏极值法
第五节 基于决策树划分的特征权重优化算法
一、算法描述
二、类别可分性判据的推广定义
三、基于决策树划分的特征权重优化算法的迭代停止准则
四、优化特征权重的其他几个目标函数
第六节 仿真实验
一、仿真实验设计
二、仿真实验结果
三、实验结果比较与分析
本章小结
结束语
参考文献