导读:本文包含了凝聚聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:二阶隐马尔科夫模型,凝聚聚类,相似性度量,序列分析
凝聚聚类论文文献综述
苏锦旗[1]（2014）在《基于HMM2的时间序列凝聚聚类算法》一文中研究指出为弥补传统的基于隐Markov模型在前提假设上的不足,提出了二阶隐马尔可夫模型。在研究二阶隐马尔可夫模型和凝聚算法在时空序列分析的基础上,提出了一种新的基于HMM2的时间序列凝聚算法。该算法应用HMM2对时间序列进行建模,合理考虑了概率和模型历史状态的关联性,按照相异度原则将序列聚成几个类,每个类用模型代表,进而对这些模型训练、合并及迭代得到聚类结果。实验比较了该算法与基于HMM算法的聚类质量,研究了聚类正确率与聚类数、距离正确率与模型距离的关系。结果表明,该算法比传统的基于HMM的聚类算法具有更好的性能。(本文来源于《计算机与数字工程》期刊2014年07期）
冯志远,张连海[2]（2014）在《基于音素后验概率和层次凝聚聚类算法的音素边界检测》一文中研究指出提出了一种基于音素后验概率和层次凝聚聚类算法的音素边界检测方法。该方法首先利用改进的TRAP结构提取语音信号的帧级音素后验概率;然后,运用层次凝聚聚类算法将提取的音素后验概率进行聚类分析;最后根据其全部的最小损失函数值获取阈值,并通过此阈值决定聚类数目和音素边界。实验证明:该方法具有较好的检测性能,且相对于梅尔倒谱参数(MFCC),音素后验概率更为适合音素边界的检测。(本文来源于《太赫兹科学与电子信息学报》期刊2014年02期）
贾宗维,崔军[3]（2012）在《一种发现社团结构的快速凝聚聚类算法》一文中研究指出为了快速探测复杂网络中的社团结构,提出了基于网络节点耦合度的凝聚聚类算法.首先利用一种优化的聚类中心算法确定初始聚类中心节点,然后根据节点间耦合程度和节点度分别对各社团的节点进行分类和不断调整聚类中心,直至聚类算法结束.实验结果表明,该算法能够快速准确的划分复杂网络中的各社团.(本文来源于《湘潭大学自然科学学报》期刊2012年04期）
王秀丽[4]（2012）在《基于多层核心集的凝聚聚类算法》一文中研究指出聚类分析是无监督模式分类的一个重要组成部分，也成为现代数据分析中越来越重要的一个工具。初始条件、相似性准则和聚类准则的不同产生的聚类算法也不尽相同。因此，聚类算法是一个内容庞杂的大家族。至今，众研究学者也提出了多种多样的聚类算法。许多经典的聚类算法，如平均链接、K-means、K-medoids、Clara、Clarans等，都是利用单一的聚类中心进行聚类。为克服单一聚类中心只能描述凸状聚类的缺陷，CURE、DBSCAN等算法使用多个代表点（或稠密点）表述任意形状的聚类结构，但仍难以聚类重迭和噪声数据。为此，本文提出一种新的基于多层“聚类中心”（称为“核心集”）的凝聚聚类算法（MulCA）。该算法创新性地使用了“多层核心集”表述聚类结构，使得每一层数据集向其“核心集”凝聚，同时上层的“核心集”自动成为下层的数据集，随着每层核心集规模按α比例迅速减少，控制了凝聚过程的迭代次数。由于现代社会的快速发展，大规模数据已经成为需要处理数据的主要成员，为此，本文引入了基于随机采样计算ε-核心集（RBC）的技巧，将MulCA算法应用于大规模数据集。并做了实验证明了算法对大规模数据的有效性。在人工和实际数据集上大量的数值试验充分验证了MulCA算法的有效性，以及相比于其他算法的优越性。(本文来源于《南京航空航天大学》期刊2012-12-01）
曾颖,罗可,邹瑞芝[5]（2009）在《基于K-均值聚类和凝聚聚类的离群点查找方法》一文中研究指出离群点发现是数据挖掘研究的一个重要方面。根据数据流的特点,给出了一种基于K-均值聚类和凝聚聚类的离群点发现方法,先用K-均值聚类对数据流进行处理,生成中间聚类结果,然后用凝聚聚类对这些中间结果进行再次选择,最后找出可能存在的离群点。(本文来源于《计算机工程与应用》期刊2009年29期）
李雪琼,李峰[6]（2009）在《入侵检测系统中基于凝聚聚类算法的训练样本集的构造》一文中研究指出本文提出了一种入侵检测系统中训练样本集的构造方法,首先通过保留边界样本和删除内部样本进行样本选择,然后使用遗传算法与凝聚聚类算法相结合的方法对样本数量较少的类构造虚拟样本。这样得到的训练子集样本数量少,而且分布均匀。(本文来源于《计算机工程与科学》期刊2009年06期）
王宇,李晓利[7]（2007）在《核k-凝聚聚类算法》一文中研究指出为解决k-means聚类算法和k-凝聚聚类算法对于非凸形状数据聚类正确率低和模糊核聚类算法(FKCM)收敛速度慢的问题,将k-凝聚聚类算法与核函数方法相结合,在高维特征空间构造了新的核聚类算法——核k-凝聚聚类算法,实现了k-凝聚聚类算法的核化.通过Matlab编程进行数值实验,证明了核k-凝聚聚类算法在聚类的准确性、稳定性、健壮性等方面较之k-means聚类算法、k-凝聚聚类算法和FKCM有一定程度的改进.(本文来源于《大连理工大学学报》期刊2007年05期）
凝聚聚类论文开题报告
（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：
提出了一种基于音素后验概率和层次凝聚聚类算法的音素边界检测方法。该方法首先利用改进的TRAP结构提取语音信号的帧级音素后验概率;然后,运用层次凝聚聚类算法将提取的音素后验概率进行聚类分析;最后根据其全部的最小损失函数值获取阈值,并通过此阈值决定聚类数目和音素边界。实验证明:该方法具有较好的检测性能,且相对于梅尔倒谱参数(MFCC),音素后验概率更为适合音素边界的检测。
（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。
凝聚聚类论文参考文献
[1].苏锦旗.基于HMM2的时间序列凝聚聚类算法[J].计算机与数字工程.2014
[2].冯志远,张连海.基于音素后验概率和层次凝聚聚类算法的音素边界检测[J].太赫兹科学与电子信息学报.2014
[3].贾宗维,崔军.一种发现社团结构的快速凝聚聚类算法[J].湘潭大学自然科学学报.2012
[4].王秀丽.基于多层核心集的凝聚聚类算法[D].南京航空航天大学.2012
[5].曾颖,罗可,邹瑞芝.基于K-均值聚类和凝聚聚类的离群点查找方法[J].计算机工程与应用.2009
[6].李雪琼,李峰.入侵检测系统中基于凝聚聚类算法的训练样本集的构造[J].计算机工程与科学.2009
[7].王宇,李晓利.核k-凝聚聚类算法[J].大连理工大学学报.2007