Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/48875
標題: Design of an Iterative Kernel-Based Clustering Algorithm
以核心函式為基礎的疊代聚類演算法設計
作者: 陶金旭
陶金旺
關鍵字: 叢集分析
資訊工程硬體工程
不完全丘列斯基分解
模糊聚類
核心機學習
支持向量機
應用研究
摘要: 在本計畫,我們想要在核心定義的空間中發展出一個新的叢集分析策略,希望可以在避免複雜的核心函數參數估測的情況下,設計一個以核心機學習為基礎的演算法。這項任務將利用不完全丘列斯基分解使模糊聚類演算法能在類核心定義的特徵空間中分割資料,來獲得一個較好的初始叢集。然後重覆地運用單類和多類的支持向量機來偵測群組的主幹和重新分配資料到新的叢集中;在此一方法中,藉由刪減群集低密度區的資料以及孤立點,並且逐步增加群組的主幹的資料個數以確保精準的群邊界等方式來探索資料的架構。這和一般支持向量機效能端視使用者定義核心參數的方式不同,在我們的計畫中,參數將由叢集資料來產生。此外,希望我們提議的方法可以運用在任意形狀群組的問題上,我們將與其他文獻中的演算法如FCM, Support Vector Clustering (SVC), Hierarchical Clustering (HC), Self-Organizing Maps (SOM)等比較,我們也計畫將所提方法應用至微陣列資料分析以及自動影像分割上。
URI: http://hdl.handle.net/11455/48875
其他識別: NSC95-2221-E005-108
文章連結: http://grbsearch.stpi.narl.org.tw/GRB/result.jsp?id=1298289&plan_no=NSC95-2221-E005-108&plan_year=95&projkey=PB9508-1064&target=plan&highStr=*&check=0&pnchDesc=%E4%BB%A5%E6%A0%B8%E5%BF%83%E5%87%BD%E5%BC%8F%E7%82%BA%E5%9F%BA%E7%A4%8E%E7%9A%84%E7%96%8A%E4%BB%A3%E8%81%9A%E9%A1%9E%E6%BC%94%E7%AE%97%E6%B3%95%E8%A8%AD%E8%A8%88
Appears in Collections:電機工程學系所

文件中的檔案:

取得全文請前往華藝線上圖書館



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.