导读:本文包含了多重聚类算法论文开题报告文献综述及选题提纲参考文献，主要关键词:轴承,多重分形,K均值聚类,故障诊断
多重聚类算法论文文献综述
张鑫,赵建民,倪祥龙,李海平,宋卫星[1]（2019）在《基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断》一文中研究指出针对滚动轴承振动信号非线性、非平稳的特点,提出采用多重分形降趋算法计算多重分形谱参数作为特征参数,对比分析了多重分形降趋波动分析法及多重分形降趋移动平均法提取轴承故障特征的优劣性.并提出改进的K均值聚类分析对多重分形降趋算法提取的特征参数进行分类,从而实现轴承故障诊断的目的.运用滚动轴承公开数据对方法进行验证,提取时域特征与多重分形谱参数进行对比分析,并对两种多重分形降趋算法的效果进行对比分析,验证了多重分形降趋波动分析法与改进K均值聚类相结合对轴承故障诊断的有效性,为轴承故障诊断方法提供了一种新的尝试.(本文来源于《北京理工大学学报》期刊2019年05期）
李宗泽[2]（2017）在《基于数据多重密度特性的自适应半监督聚类算法》一文中研究指出随着大数据时代的兴起,人工智能这个概念越来越频繁地出现在人们视野中,不仅仅电视电影等艺术作品有所提及,现实生活中也出现了它的身影。因此人们对机器学习算法的兴趣与日俱增,数据挖掘等领域受到得了前所未有的关注。作为重要的数据挖掘任务之一的聚类算法,承担了探索数据内部结构、从大量多媒体数据中精炼出信息的重任。在半监督学习算法领域,尽管已经提出了很多能提升算法性能、准确性等的方法,但是它们大部分仍然在数据结构的假设和参数的设置上极具敏感性。针对这些问题,这篇论文提出了一种基于数据中多重密度信息的自适应的半监督聚类算法。该算法的主要工作如下:第一,通过对数据集的探索,提出了一种能自动获取多个密度标准的方法,并使用多个密度标准对数据集进行衡量;第二,依据半监督学习的基础理论假设,提出了合理的方法,对上一部中多个密度标准衡量所得的结果,进行整合;第叁,使用人造二位数据,验证算法在不同数据结构假设下的表现情况;第四,使用UCI数据集对算法的有效性进行验证。最终得出结论,本文提出的方法在不需要知道簇的数量的前提下,就能自适应地对具有不同大小、不同形状、不同密度等复杂结构的数据集进行聚类,并获得一个不错的聚类结果。并且,这个过程能识别出数据集中的噪声数据,算法对噪声数据不敏感。(本文来源于《云南大学》期刊2017-06-01）
邓琼[3]（2017）在《融合多重特征的钓鱼网站聚类算法研究》一文中研究指出网络钓鱼作为电信诈骗的一种典型欺诈手段,已经引起学术界广发关注。网络钓鱼是一种利用社会工程和技术,针对用户身份数据和金融账号进行欺骗的犯罪机制。网络钓鱼防御是网络钓鱼的一种对抗手段。经过十几年的研究,网络钓鱼防御已经取得了一定的研究成果,但当前的网络钓鱼攻击采用团队化、机构化作战,攻击依旧很猖獗。针对当前网络钓鱼攻击者的团队化、机构化作战的行为方式,提出一种融合多重特征的钓鱼网站聚类算法。通过构造钓鱼网页DOM树,提取出描述钓鱼网站的特征,采用Kulczynski 2算法计算相似度,最后利用K-Means算法进行聚类分析。对eBay、PayPal的聚类结果分析,验证了网络钓鱼攻击者的团队化作案行为特征。本文的主要工作与贡献在于:(1)提出一种融合多重特征的钓鱼网站聚类算法。本论文取样于eBay、PayPal的钓鱼网站。首先,对数据进行预处理,并构造其DOM树。然后使用句法指纹算法进行特征描述,构造特征库进行统一索引,计算相似度。最后,基于这个数据库对钓鱼网页进行相似度聚类。(2)基于算法进行实验分析。对特征库中实验数据对象进行K-means聚类后,得到其聚类结果发现:eBay钓鱼网站聚类结果簇类中发现有83.6%的钓鱼网站相似度值相近或相等,PayPal钓鱼网站聚类结果簇类中发现有73.0%的钓鱼网站相似度值相近或相等。(本文来源于《中南林业科技大学》期刊2017-06-01）
徐英[4]（2016）在《一种基于多重距离聚类的多源侦察结果融合算法》一文中研究指出由于来自不同传感器的侦察图像获取和传输的非实时性以及图像情报分析结果的非连续性,反侦察监视裁决需要对来自不同传感器的侦察结果进行空间和属性综合聚类,合并属于同一目标的侦察结果。考虑空间位置和多个非空间属性的相似性,提出了基于空间和属性多重距离的空间聚类算法MDBSC(Multiple Distance Based Spatial Clustering),用于多源侦察结果的关联融合,给出了算法步骤和实例。(本文来源于《兵器装备工程学报》期刊2016年09期）
刘海波[5]（2013）在《基于多重聚类的局部离群点检测算法研究》一文中研究指出近年来，随着现代科学技术与信息技术的飞速发展，积累了隐藏着有价值信息的海量数据。为了充分利用这些数据，数据挖掘技术成为一个重要的研究领域。数据挖掘的主要功能是从大量的、完整性不足的的数据集中，找出人们无法预知的、但又极具价值的知识。离群点检测是数据挖掘的一个非常重要的研究分支，其主要功能是从庞大的而复杂的数据集中提取与主流数据（正常数据）有着极大区别同时又属于极少数的数据。离群点检测在人们的生产生活中有着非常广泛的应用，如医疗诊断分析、气象研究等。目前研究人员已经提出了大量的离群点检测算法。如，基于聚类的离群点检测算法，基于统计的离群点检测算法等。然而现有的大多数离群点检测算法都具有时间复杂度高的缺点。于是，研究学者们又开发了许多改善算法性能的技术，如，剪枝技术。剪枝非离群点可以减小目标数据集的大小，从而有效降低算法的时间复杂度。本文为了改进LDOF算法的缺点，提出了一个基于多重聚类的局部离群点检测算法PMLDOF。该算法既可以降低离群点检测的时间复杂度，又可以避免剪枝过程中对离群点的错剪，同时通过剪枝大量非离群点降低了检测精度对最近邻参数k的敏感性。具体而言，本文的主要研究工作如下：①介绍了离群点检测的研究背景及离群点检测的国内外研究现状。②对离群检测进行了较为详细的分析，总结了各种算法的核心思想和各自的适用范围。全面系统地介绍了集成学习，重点讨论了集成学习的核心思想和所用的相关技术。③为了改进局部离群点检测算法LDOF时间复杂度高和对最近邻参数k的敏感的缺点，提出了基于DBSCAN剪枝的局部离群检测算法PLDOF。但是，PLDOF却存在错误剪枝离群点的缺点。为了克服此缺点，本文引入了多重聚类的思想，利用多重聚类可以对簇的边缘稀疏区域进行筛选处理的特点，提出一种基于多重聚类的局部离群点检测算法PMLDOF。④在对多重聚类进行集成整合前，必须解决不同聚类划分间逻辑等价簇不匹配的问题。本文分析了不同聚类划分间聚类不匹配的各种情况，提出了一个解决此问题的方法，并在正文中给出了该方法的详细描述。⑤对PMLDOF算法的性能进行了理论分析，并在模拟数据集和真实数据集上对该算法的有效性进行了验证。⑥合理地总结了本论文所做的研究工作，并简单介绍了下一步的研究工作。(本文来源于《重庆大学》期刊2013-04-01）
古平,刘海波,罗志恒[6]（2013）在《一种基于多重聚类的离群点检测算法》一文中研究指出在LDOF算法的基础上,提出一种基于多重聚类的离群点检测算法PMLDOF。该算法针对局部离群度量计算量大的缺点,采用聚类剪枝技术作为减少计算量的方法;同时,为了避免将位于簇边缘的离群点错剪,算法利用多重聚类的差异性对簇的边缘点进行筛选。在对数据集进行剪枝后,计算剩余数据的局部离群度LDOF,并找出符合条件的离群数据点。实验结果表明,算法在时间复杂度和检测精度上具有更好的优越性。(本文来源于《计算机应用研究》期刊2013年03期）
董燕飞,任琦梅,张俊峰[7]（2010）在《一种基于多重模糊聚类的红外目标分割算法》一文中研究指出提出了一种基于多重模糊聚类的红外目标分割算法。为了实现目标的准确分割,先将原始红外图像进行四划分得到四个子图像,在各个子图像上分别进行模糊C均值聚类,再对图像进行横纵二划分各得到两个子图像,并将四划分时得到的聚类结果约束在二划分的聚类过程中,最后将二划分得到的聚类结果约束到原始图像的聚类过程中,并在其中加入邻域空间约束。此方法可有效增强背景和目标区域像素点的各自凝聚性和抗干扰性,有效提高聚类分割结果的准确性。实验结果表明,多重模糊聚类目标分割算法能准确地实现红外图像目标区域和背景区域的分离,是一种可行的目标分割算法。(本文来源于《激光与红外》期刊2010年05期）
闫光辉,李战怀,党建武[8]（2008）在《基于多重分形的聚类层次优化算法》一文中研究指出大量初始聚类结果之间存在强弱不同的相似性,会给用户理解与描述聚类结果带来不利影响,进而阻碍数据挖掘后续工作的顺利展开.传统聚类算法由于注重聚类形状及空间邻接性,或者考虑全局数据分布密度的均匀性,实际中均难以解决这一类问题.为此,提出了基于分形的聚类层次优化算法FCHO(fractal-based cluster hierarchy optimization),FCHO算法基于多重分形理论,利用聚类对应多重分形维数及聚类合并之后多重分形维数的变化程度来度量初始聚类之间的相似程度,最终生成反映数据自然聚集状态的聚类家族树.此外,初步分析了算法的时空复杂性,基于合成数据集和标准数据集的有关实验工作证实了算法的有效性.(本文来源于《软件学报》期刊2008年06期）
宋麟[9]（2008）在《基于模糊多重集的Web用户和页面聚类模型及算法研究》一文中研究指出在电子商务环境下,如何针对不同的用户为其提供个性化的、灵活的服务模式,是系统是否具有吸引力、能否成功应用的关键因素之一,对Web用户及页面的聚类是实现个性化服务的基础,因而研究与建立新的Web用户及页面聚类模型和算法是一项具有实际意义的课题。本论文的主要工作如下:1.提出了基于模糊多重集的Web用户和页面聚类模型。将模糊多重集理论引入Web用户和页面聚类技术中,利用多个属性综合刻画Web用户和页面对象,以模糊多重集的形式表示聚类对象,依此构建了一个聚类模型,并给出了HCFM、FCFM和CAFM叁种聚类算法。2.提出Web用户(或页面)相似性度量方法。利用模糊多重集距离计算公式,以两个模糊多重集之间的距离刻画Web用户和页面的相似性,提出Web用户和页面的相似性度量方法。3.设计并实现了数据预处理模型。以教务网日志记录为实验数据,设计并实现了从Web日志记录转换到聚类对象集合的数据预处理模型。完成数据收集、数据清洗、数据变换和标准化的工作,为Web用户和页面聚类工作提供良好的数据基础。4.实现了Web用户和页面聚类原型系统。为了验证本论文提出的聚类模型和算法,采用JBuilder+ACCESS技术设计了Web用户和页面聚类原型系统,并以某校教务网Web日志数据进行测试和分析。通过实验分析,验证了聚类模型和算法的可行性和正确性。(本文来源于《首都师范大学》期刊2008-04-07）
宋麟,王锁柱[10]（2008）在《基于模糊多重集的Web页面与用户聚类算法研究》一文中研究指出对Web页面和用户的聚类算法提出了一种CAFM聚类算法。在该算法中,把模糊多重集的概念引入到模糊聚类算法中,将反映用户浏览行为的页面点击次数、停留时间、用户偏好等因素用模糊多重集来综合刻画用户访问站点的兴趣度,再以此来建立模糊多重相似矩阵直接进行聚类。通过实例说明了算法的具体计算过程和可行性。(本文来源于《计算机工程与设计》期刊2008年01期）
多重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：
随着大数据时代的兴起,人工智能这个概念越来越频繁地出现在人们视野中,不仅仅电视电影等艺术作品有所提及,现实生活中也出现了它的身影。因此人们对机器学习算法的兴趣与日俱增,数据挖掘等领域受到得了前所未有的关注。作为重要的数据挖掘任务之一的聚类算法,承担了探索数据内部结构、从大量多媒体数据中精炼出信息的重任。在半监督学习算法领域,尽管已经提出了很多能提升算法性能、准确性等的方法,但是它们大部分仍然在数据结构的假设和参数的设置上极具敏感性。针对这些问题,这篇论文提出了一种基于数据中多重密度信息的自适应的半监督聚类算法。该算法的主要工作如下:第一,通过对数据集的探索,提出了一种能自动获取多个密度标准的方法,并使用多个密度标准对数据集进行衡量;第二,依据半监督学习的基础理论假设,提出了合理的方法,对上一部中多个密度标准衡量所得的结果,进行整合;第叁,使用人造二位数据,验证算法在不同数据结构假设下的表现情况;第四,使用UCI数据集对算法的有效性进行验证。最终得出结论,本文提出的方法在不需要知道簇的数量的前提下,就能自适应地对具有不同大小、不同形状、不同密度等复杂结构的数据集进行聚类,并获得一个不错的聚类结果。并且,这个过程能识别出数据集中的噪声数据,算法对噪声数据不敏感。
（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。
多重聚类算法论文参考文献
[1].张鑫,赵建民,倪祥龙,李海平,宋卫星.基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断[J].北京理工大学学报.2019
[2].李宗泽.基于数据多重密度特性的自适应半监督聚类算法[D].云南大学.2017
[3].邓琼.融合多重特征的钓鱼网站聚类算法研究[D].中南林业科技大学.2017
[4].徐英.一种基于多重距离聚类的多源侦察结果融合算法[J].兵器装备工程学报.2016
[5].刘海波.基于多重聚类的局部离群点检测算法研究[D].重庆大学.2013
[6].古平,刘海波,罗志恒.一种基于多重聚类的离群点检测算法[J].计算机应用研究.2013
[7].董燕飞,任琦梅,张俊峰.一种基于多重模糊聚类的红外目标分割算法[J].激光与红外.2010
[8].闫光辉,李战怀,党建武.基于多重分形的聚类层次优化算法[J].软件学报.2008
[9].宋麟.基于模糊多重集的Web用户和页面聚类模型及算法研究[D].首都师范大学.2008
[10].宋麟,王锁柱.基于模糊多重集的Web页面与用户聚类算法研究[J].计算机工程与设计.2008