导读:本文包含了模糊聚类算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,算法,拓扑,均值,近似,图形,图像。
模糊聚类算法论文文献综述
胡本固,戴牡红[1]（2019）在《多中心点增量式模糊聚类算法》一文中研究指出增量聚类算法可以解决数据量大、内存不足的问题.传统的增量式模糊聚类(incremental multiple medoids based fuzzy clustering, IMMFC)算法只为每个数据块选择一个或多个相同数目的中心,当聚类中的对象权重较小时聚类效果不好.该文提出新的增量式模糊聚类算法用于处理大数据集.首先将大数据集分成多个小的数据块,并对每个小的数据块进行模糊聚类;然后从每个小数据块的每个簇群中选择目标中心点,中心点的个数是簇群中对象的权重之和大于阈值的最少对象数.最后合并所有选定的中心点,并对最终数据块进行模糊聚类,获取最终的中心点.实验结果表明,与IMMFC算法相比,当数据块占总数据的10%以上时,所提算法优于IMMFC.(本文来源于《应用科学学报》期刊2019年06期）
施伟锋,卓金宝,兰莹[2]（2019）在《一种基于属性空间相似性的模糊聚类算法》一文中研究指出模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路:改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS):首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。(本文来源于《电子与信息学报》期刊2019年11期）
仲伟伟,刘丽萍,汪方正[3]（2019）在《基于免疫学和模糊聚类的云安全算法研究》一文中研究指出随着信息化的不断发展,互联网中的数据量呈现爆炸性的增长,一些企事业单位已经意识到通过挖掘和分析大数据,能够有效地了解行业发展趋势后开拓新的业务模式,显着提高自身的运营效率和竞争优势。海量的数据处理需求使得拥有强大的计算能力的云计算成为大数据时代的必然选择。然而企业的数据安全问题关系到核心商业机密乃至整个企业的生命,因此安全问题自然成为大数据时代的重点研究方向。本文通过人工免疫理论改进传统的模糊聚类算法,提出一个将生物免疫原理和模糊聚类算法相结合应用于云系统的安全模型。(本文来源于《网络安全技术与应用》期刊2019年10期）
吴成茂,孙佳美[4]（2019）在《基于全散度的自适应鲁棒图形模糊聚类算法》一文中研究指出针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。(本文来源于《兵工学报》期刊2019年09期）
张红霞,吴桐桐,冷雪亮[5]（2019）在《基于粗糙集理论的模糊聚类算法研究》一文中研究指出粗糙集理论是一种新型的处理含糊不确定知识的数学工具,善于分析隐藏在数据中的事实而不需要关于数据的任何附加知识,粗集理论不仅为信息科学和认知科学提供了新的科学逻辑和研究方法,而且为智能信息处理提供了有效的处理技术。聚类是作为数据挖掘系统中的一个模块,既可以作为一个单独的工具以发现数据库中数据分布的深层信息,也可以作为其他数据挖掘分析算法的一个预处理步骤。模糊聚类算法忽略了聚类边界不确定的问题和复杂数据问题从而导致聚类效果不理想。本文提出了将粗糙集和模糊聚类算法相结合,利用粗糙集中上近似集和下近似集的概念得到相似性度量来改进模糊聚类算法。实验证明,改进的算法能够得到更好的聚类效果。(本文来源于《软件》期刊2019年09期）
翟建丽,王映丽[6]（2019）在《基于模糊聚类的网络异常流量检测算法研究》一文中研究指出为了提高异构有向传感器网络异常流量检测能力,提出一种基于模糊聚类的异构有向传感器网络异常流量检测算法。对采集的异构有向传感器网络传输数据进行低维度的特征集构造,构建异构有向传感器网络异常流量分布的粗糙集模型,对网络的异常流量特征集采用自适应回归分析方法进行统计特征量提取,以少量的样本类别数据为测试集,采用模糊C均值聚类方法对异构有向传感器网络异常流量进行向量量化分析,对全部的异常样本进行抽样训练,提取异构网络异常流量的高阶谱特征量,将异构有向传感器网络异常流量的特征提取结果输入到BP神经网络分类器中进行数据分类,结合大数据融合聚类方法实现异构有向传感器网络异常流量检测。仿真结果表明,采用该方法进行异构有向传感器网络异常流量检测的准确性较高,抗异常流量干扰能力较好,提高了网络的流量安全监控能力。(本文来源于《电子测量技术》期刊2019年16期）
刘晓明,沈明玉,侯整风[7]（2019）在《基于Levy飞行的萤火虫模糊聚类算法》一文中研究指出针对模糊C均值(FCM)聚类算法易受初始聚类中心影响而陷入局部最优问题,提出了一种基于Levy飞行的萤火虫模糊聚类算法(LFAFCM)。该算法改变萤火虫算法的随机移动策略,以平衡算法局部搜索和全局搜索能力;萤火虫位置更新过程中引入Levy飞行机制,以提高全局寻优能力;根据迭代次数和萤火虫位置动态调整每个萤火虫的尺度系数,以限制Levy飞行可搜索范围,并加快算法收敛速度。利用5个UCI数据集对算法进行实验验证,实验结果表明,该算法有效避免了陷入局部最优并具有较快的收敛速度。(本文来源于《计算机应用》期刊2019年11期）
张开生,宋文伟,李慧贞[8]（2019）在《基于模糊聚类的并行推荐算法》一文中研究指出为提高传统协同过滤算法在个性化推荐系统中的大数据处理能力,研究了一种基于模糊聚类的并行推荐算法。在Hadoop平台下首先通过PCA降维和FCM聚类对用户物品评分矩阵进行预处理,采用皮尔逊相关系数计算用户间的相似度,通过得到的聚类簇集合构建最近邻集合,生成基本预测评分。最后实现算法的并行化处理并得到推荐结果。实验结果表明,与基于PCA降维的协同过滤和单机式传统协同过滤算法相比,该算法提高了推荐的准确性和实时性。(本文来源于《陕西理工大学学报(自然科学版)》期刊2019年04期）
李伟,陈红斌[9]（2019）在《结合Curvelet变换和模糊聚类的图像融合算法》一文中研究指出本文为了能够有效的提取图像细节信息,滤除噪声和保留有用信息,提出了一种基于curvelet变换和模糊聚类理论的图像融合算法。首先对图像进行curvelet变换,获得图像的低频和高频分量;随后依据低频和高频分量的不同特征采取相应的融合规则,高频分量采用区域能量为系数进行加权融合。低频分量则采用基于模糊聚类理论的融合规则以实现对噪声的过滤。最后再对融合后的图像进行curvelet反变换,获得融合后的图像。实验结果表明,该方法能够获得较高的平均梯度、峰值信噪比、空间频率和结构相似度,有效地保留融合图像的细节信息,去除噪声,是一种有效的多聚焦图像融合方法。(本文来源于《电子技术与软件工程》期刊2019年16期）
李昌兴,张晓璐,雷柳[10]（2019）在《基于粒子群优化非局部模糊聚类图像分割算法》一文中研究指出为提高局部模糊聚类算法(WFLICM)对噪声图像分割的抗噪性,克服模糊聚类图像分割算法对初始聚类中心的敏感性及易陷入局部最优问题,在WFLICM算法的基础上提出一种基于粒子群优化的融合局部和非局部空间信息的模糊聚类图像分割算法(PSO-WMNLFCM)。首先,利用粒子群优化算法的全局寻优能力得到最优粒子,并以此粒子作为模糊聚类算法的初始聚类中心。其次,用像素的非局部空间信息替换模糊因子中的局部邻域值,产生新的目标函数。最后,由拉格朗日乘子法最小化目标函数,得到隶属度和聚类中心的更新公式,从而完成图像分割。仿真结果表明,PSO-WMNLFCM算法相比于模糊局部聚类(FLICM)算法、局部模糊权重(WFLICM)算法、非局部模糊聚类(NLFCM)算法、非局部模糊聚类(MNLFCM)算法、基于粒子群的局部模糊聚类(PSO-FLICM)算法的划分系数提高了20.92%,20.51%,24.84%,1.44%,23.28%左右。(本文来源于《光电子·激光》期刊2019年07期）
模糊聚类算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路:改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS):首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊聚类算法论文参考文献
[1].胡本固,戴牡红.多中心点增量式模糊聚类算法[J].应用科学学报.2019
[2].施伟锋,卓金宝,兰莹.一种基于属性空间相似性的模糊聚类算法[J].电子与信息学报.2019
[3].仲伟伟,刘丽萍,汪方正.基于免疫学和模糊聚类的云安全算法研究[J].网络安全技术与应用.2019
[4].吴成茂,孙佳美.基于全散度的自适应鲁棒图形模糊聚类算法[J].兵工学报.2019
[5].张红霞,吴桐桐,冷雪亮.基于粗糙集理论的模糊聚类算法研究[J].软件.2019
[6].翟建丽,王映丽.基于模糊聚类的网络异常流量检测算法研究[J].电子测量技术.2019
[7].刘晓明,沈明玉,侯整风.基于Levy飞行的萤火虫模糊聚类算法[J].计算机应用.2019
[8].张开生,宋文伟,李慧贞.基于模糊聚类的并行推荐算法[J].陕西理工大学学报(自然科学版).2019
[9].李伟,陈红斌.结合Curvelet变换和模糊聚类的图像融合算法[J].电子技术与软件工程.2019
[10].李昌兴,张晓璐,雷柳.基于粒子群优化非局部模糊聚类图像分割算法[J].光电子·激光.2019
论文知识图
