版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、南京航空航天大學(xué)碩士學(xué)位論文基于超平面原型的聚類算法及相應(yīng)擴(kuò)展神經(jīng)網(wǎng)絡(luò)的研究姓名：王穎申請學(xué)位級別：碩士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：陳松燦20061201基于超平面原型的聚類算法及相應(yīng)擴(kuò)展神經(jīng)網(wǎng)絡(luò)的研究iiAbstractAsoneofthebasictoolsdigginginternalstructurefromdataclusteringanalysisisalsoanimptantbranchofunsupervisedpa
2、tternclassificationinstatisticalpatternrecognition.Thecommonclusteringalgithmscanbedividedintofivetypesi.e.partitioningmethodshierarchicalmethodsdensitybasedmethodsgridbasedmethodsmodelbasedmethods.themainresearchobjecti
3、nthispaperi.e.thekPlaneClustering(kPC)algithmbelongstothepartitioningmethods.Itgeneralizedthetraditionalkmeansalgithmfromthepointofviewofprototypeion.IndetailthekPCalgithmsubstitutedhyperplanesfpointsusedinkmeansalgithmt
4、obetheprototypesgotthesehyperplanesbyminimizingthesumofthesquareddistancesbetweeneachpointitsclosesthyperplane.InthispaperweproposeanovelFuzzycPlaneClustering(FcPC)algithmbyintroducingtheconceptoffuzzypartitioningintothe
5、kPCalgithm.SimilartokPCFcPCalsouseshyperplanestorepresentclusteringcenters.Furthermeitconsidersthefuzzymembershipbetweenpointscentralhyperplanesestablishesafuzzyobjectivefunctionwhichwillbeminimizedtogettheprototypehyper
6、planes.TherefeFcPCrepresentsthefuzzymembershipbetweenpointsclustercenterplanesmuchmeclearlycomparedwithkPC.TheexperimentalresultshaveprovedFcPC’sclusteringvalidity.TofurtherextendkPC’susagewegeneralizeGaussianradialbasis
7、functiontothesocalledPlaneGaussianfunctionbycombiningtheinfmationgotfromkPCalgithm.ConsequentlywithsuchaPlaneGaussianfunctionastheactivationfunctionofthehiddenlayerwedevelopanovelneuralwknamedPlaneGaussian(PG)wk.PGwkcomb
8、inesMLP’sstructureRBF’sfastlearningmethodsothatitcanbeviewedasanewclassofthewkslyingbetweenMLPRBFwks.TheexperimentalresultsshowthattheproposedPGwkhascomparableclassificationperfmancetobothMLPRBFwksisparticularlysuitablef
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于熵聚類的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)模糊聚類的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的廣義熵模糊聚類算法研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)和聚類算法的顏色識別研究.pdf
- 基于數(shù)據(jù)場聚類的模糊神經(jīng)網(wǎng)絡(luò)算法的研究.pdf
- 基于模糊聚類算法的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于關(guān)鍵詞聚類與神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習(xí)算法研究.pdf
- 基于云計(jì)算平臺Hadoop的聚類神經(jīng)網(wǎng)絡(luò)算法的研究與實(shí)現(xiàn).pdf
- 有監(jiān)督聚類神經(jīng)網(wǎng)絡(luò)的研究.pdf
- 基于聚類的RBF-LBF串聯(lián)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法及其應(yīng)用.pdf
- 8131.基于som神經(jīng)網(wǎng)絡(luò)算法的地圖建筑物聚類
- 基于卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模人臉聚類.pdf
- 基于模糊聚類的自組織神經(jīng)網(wǎng)絡(luò)的用戶模式挖掘算法研究.pdf
- 基于一維SOM神經(jīng)網(wǎng)絡(luò)的聚類及數(shù)據(jù)分析方法研究.pdf
- 基于SOM神經(jīng)網(wǎng)絡(luò)的聚類可視化方法研究.pdf
- 快速原型化平臺構(gòu)建及CMAC神經(jīng)網(wǎng)絡(luò)控制算法的研究.pdf
- 基于附加敏感參數(shù)SOM神經(jīng)網(wǎng)絡(luò)的自動聚類系統(tǒng)的研究.pdf
- 神經(jīng)網(wǎng)絡(luò)集成BOOSTING類算法研究.pdf
- 基于擴(kuò)展卡爾曼濾波的模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- 基于FPGA的神經(jīng)網(wǎng)絡(luò)的研究與實(shí)現(xiàn)-K均值聚類算法的硬件加速.pdf
評論
0/150
提交評論