智能聚类分析方法及其应用PDF|Epub|txt|kindle电子书版本网盘下载

智能聚类分析方法及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 引言1

1.2 聚类分析的研究进展3

1.2.1 聚类分析的基本方法3

1.2.2 聚类分析的典型应用5

1.2.3 聚类分析方法面临的挑战7

1.3 用于聚类分析的智能算法8

1.4 遗传算法的发展10

1.5 免疫算法的发展14

1.5.1 生物免疫系统14

1.5.2 人工免疫系统16

1.5.3 免疫遗传算法20

1.6 粗糙集理论的发展21

1.7 本章小结23

参考文献23

第2章 智能聚类分析的基本方法29

2.1 智能聚类分析与数据挖掘的关系29

2.2 智能聚类分析与分类的关系31

2.3 智能聚类分析的过程及典型要求33

2.3.1 聚类分析的基本过程33

2.3.2 聚类分析的典型要求36

2.4 主要聚类算法及比较37

2.4.1 聚类算法评价准则37

2.4.2 常见的距离函数38

2.4.3 聚类分析中的聚类准则函数38

2.4.4 主要聚类算法分析及比较40

2.5 聚类效果的评估46

2.5.1 评估的难点46

2.5.2 常用的评估方法47

2.6 智能聚类分析方法的研究热点49

2.7 本章小结51

参考文献51

第3章 基于信息熵粗糙集理论的智能聚类分析算法55

3.1 粗糙集理论基础55

3.1.1 知识表达系统与决策系统55

3.1.2 知识的依赖性57

3.1.3 约简与核58

3.1.4 知识的重要性59

3.1.5 属性约简与规则约简60

3.2 基于粗糙熵的智能聚类分析属性约简61

3.2.1 粗糙熵61

3.2.2 基于粗糙熵的智能聚类属性约简算法63

3.2.3 实验验证65

3.3 改进的属性约简算法在智能聚类分析中的应用67

3.4 本章小结69

参考文献69

第4章 基于信息熵自适应并行免疫遗传算法的智能聚类分析及其应用72

4.1 遗传算法基础72

4.1.1 基本遗传算法基本概念72

4.1.2 遗传算法的实现流程73

4.2 遗传算法的关键实现技术75

4.2.1 遗传编码75

4.2.2 初始种群的设定77

4.2.3 适应度函数及尺度变换77

4.2.4 遗传算子80

4.2.5 遗传算法的特点85

4.2.6 遗传算法的不足86

4.3 改进的免疫遗传算法87

4.3.1 生物免疫系统87

4.3.2 免疫遗传算法基本原理88

4.3.3 改进的免疫遗传算法90

4.3.4 实验验证97

4.4 K均值聚类算法存在的问题100

4.5 基于信息熵自适应并行免疫遗传算法（IPAIGKA）的智能聚类分析102

4.5.1 IPAIGKA算法的基本思想102

4.5.2 基于信息熵的自适应并行免疫遗传算法的K均值聚类算法103

4.6 文本聚类分析应用104

4.6.1 比较测试实验一105

4.6.2 比较测试实验二106

4.7 本章小结108

参考文献108

第5章 基于向量空间模型的智能聚类分析算法及其应用111

5.1 信息检索111

5.2 向量空间模型112

5.3 蚁群算法的基本原理113

5.4 向量空间模型的基本原理115

5.5 基于路径相似度的蚁群算法117

5.5.1 路径相似度118

5.5.2 基于路径相似度的“信息素”更新规则120

5.6 基于路径相似度的蚁群遗传算法120

5.7 本章小结121

参考文献121

第6章 基于有偏观测模糊C均值智能聚类分析算法及其应用123

6.1 模糊C均值智能聚类分析算法123

6.2 基于有偏观测模糊C均值智能聚类分析算法124

6.3 智能聚类分析在轴承故障诊断中的应用126

6.3.1 实验装置127

6.3.2 特征计算128

6.3.3 基于熵的特征选择130

6.4 实验测试结果131

6.4.1 特征选择结果131

6.4.2 故障识别结果132

6.4.3 多故障分类133

6.5 本章小结134

参考文献134