基于语言信息的聚类方法研究

论文摘要

所谓聚类是指按照事物的某些属性,把事物聚集成类,使类间的相似性尽量小,类内相似性尽量大的一个无监督学习过程。聚类分析在经济管理及工程等许多领域有大量的实际背景。目前,关于精确数值形式聚类信息(一般指聚类对象特征指标值或相似矩阵以及指标权重)聚类分析方法已取得丰富的研究成果。但在许多实际问题中,由于对被聚类对象的信息估计不精确或测量的误差以及人为判断等原因,评价信息常常以区间数、三角模糊数、语言短语甚至是语言区间信息等形式出现。因此,针对具有语言信息的聚类方法进行研究,无论是在理论方面,还是在应用方面,都具有重要的意义。为此,本文针对具有语言信息的聚类方法进行了分析和研究,主要研究内容概括如下：第一章介绍了本文研究的背景和意义；介绍了本文的研究目标与内容；并提出了本文的拟创新点和研究思路。第二章对具有语言信息的聚类方法的理论及相关问题的研究成果进行了综述,并对已有的研究成果作出总结。第三章首先介绍了聚类分析的概念以及两种比较常见的聚类方法。然后介绍了语言变量概念。最后介绍了二元语义及其集结算子。第四章首先在语言变量和二元语义的基础上定义了语言区间变量和区间二元语义,并给出了相应的算子；然后对具有语言区间信息的聚类问题作出了描述,给出了基于语言区间信息的最大树聚类方法及FCM聚类方法；最后针对这两种方法分别给出了算例。第五章针对具有实数、区间数、语言变量等不同形式评价信息的聚类问题,提出了一种新的基于混合评价信息的FCM聚类方法,并给出了具体算例。在本文最后总结了本文的主要研究成果及结论和本文的主要贡献,并指出了今后需要进一步开展的研究工作。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 聚类分析是完成数据挖掘任务的重要手段
• 1.1.2 聚类分析在经济管理中的实际应用背景
• 1.1.3 基于语言信息聚类分析的出现
• 1.2 问题的提出
• 1.2.1 需要对基于语言信息的聚类方法进行研究
• 1.2.2 需要对基于语言区间信息的聚类方法进行研究
• 1.2.3 需要对基于语言与其他形式混合信息的聚类方法进行研究
• 1.3 研究目标及研究内容
• 1.3.1 研究目标
• 1.3.2 研究内容
• 1.4 研究方法及研究思路
• 1.4.1 研究方法
• 1.4.2 研究思路
• 1.5 本文的创新点
• 1.6 论文结构
• 第2章 相关文献综述
• 2.1 文献的检索源及检索方式
• 2.2 关于语言评价信息相关研究成果综述
• 2.2.1 关于语言信息的处理
• 2.2.2 关于语言信息集结算子
• 2.2.3 关于语言判断矩阵的一致性
• 2.3 基于语言信息的聚类方法及相关研究成果综述
• 2.4 基于其他不确定信息的聚类方法及相关研究成果综述
• 2.5 已有研究成果的贡献与不足
• 2.6 小结
• 第3章 基于语言信息的聚类方法的相关研究基础
• 3.1 聚类分析的基本概念及常见的聚类方法
• 3.1.1 聚类分析的基本概念及分类
• 3.1.2 最大树聚类方法
• 3.1.3 FCM聚类方法
• 3.2 语言变量
• 3.2.1 基本概念
• 3.2.2 二元语义
• 3.3 小结
• 第4章 两种基于语言区间评价信息的聚类方法
• 4.1 语言区间变量及区间二元语义
• 4.1.1 语言区间变量
• 4.1.2 区间二元语义
• 4.2 问题的描述
• 4.3 基于语言区间评价信息的最大树聚类算法
• 4.4 基于语言区间评价信息的FCM聚类算法
• 4.5 算例
• 4.5.1 基于语言区间的最大树聚类方法算例
• 4.5.2 基于语言区间信息的FCM聚类方法算例
• 4.6 小结
• 第5章 基于混合多指标信息的FCM聚类方法
• 5.1 问题的描述
• 5.2 基于混合多指标信息的FCM聚类算法
• 5.3 算例
• 5.4 小结
• 第6章 结论与展望
• 6.1 主要研究成果与结论
• 6.2 进一步需要开展的工作
• 参考文献
• 致谢
• 攻读硕士学位期间发表论文及参加科研情况
• 附录