菜单
　　

    Y∕ km    30.4    30.5    31.1    31.2    30.5    31.2    31.4    31.9
    位置    9    10    11    12    13    14    15    16
    X∕ km    12.6    12.8    12.7    13.4    18.5    18.7    19.3    19.5
    Y∕ km    31.5    31.1    31.8    31.6    31.1    31.0    31.1    31.8
    表3 敌方多机位置
    其得到聚类结果如表4所示。
    表4 改进后FCM算法的聚类结果
        改进后的FCM
    类1中心    0.5993,30.7988
    类2中心    5.8017,31.2023
    类3中心    12.90001,31.4502
    类4中心    19.0021,31.4445
    循环次数    13
    运行时间    0.0465
    由以上结果对比可以看出，在空战多目标编队之间距离相对较大时，该改进的FCM算法更能对真实多目标来划分，且更能与实际态势相符。
    5．结论
    5.1 本文研究工作总结
    本文在对模糊聚类的相关理论和方法进行全面、系统的研究的基础上，对FCM算法提出了一些改进的方法, 并将改进后的方法应用到知识发现过程中。本文主要的研究工作包括以下几个方面：
    本文回顾了模糊聚类理论及其分析的方法，并重点研究了模糊C―均值(FCM)聚类算法，对其实现原理及实现步骤都进行了详细阐述。
    (1) 本文针对模糊C―均值算法无法自动得到最佳聚类数目的缺陷，对其进行改进。本文所采用改进后的FCM算法是一种基于减法聚类的FCM算法。利用减法聚类得到聚类数目和聚类中心，作为FCM算法的起点来初始化FCM算法，不仅不需要预先设定分类数目，而且提高了算法效率。
    (2) 本文将改进后的模糊C―均值(FCM)算法应用到知识发现过程中，并通过实例证明，取得了良好的效果。
    5.2 后续研究工作与展望
    将模糊聚类方法应用于知识发现这一领域是一个很有意义的课题，有着广泛的使用价值。但到目前为止，由于本人水平的局限以及时间上限制，本文只是在这领域做了很小部分分析研究，还有许多问题有待进一步深入研究：
    (1) 文中提出改进的模糊聚类初始化算法，是通过计算减法聚类对模糊聚类数和初始聚类中心进行优选，但模糊聚类算法的改进还有很多，如对模糊加权数m的选择等。因此，在今后工作当中继续探究参数m有效性评价规则，并结合特定应用领域，对m的选取提供理论指导。
    (2) 在将改进的FCM算法应用于知识发现中时，只是采用了某一具体的实例来统计数据并进行研究分析，并不一定具有广泛的代表性。在今后的工作中，应该结合现实当中更多信息处理中的分析数据，加以分析研究。
  1. 上一篇：Lamb波板型结构中的宽频导波检测方法
  2. 下一篇：AT89S51单片机的音乐彩灯控制器设计+仿真图+源代码

  1. Matlab遗传算法在背包问题中的应用

  2. PROFIBUS在船舶分布式控制中的应用+PLC梯形图

  3. CFX太阳能光热在石英熔融...

  4. 混合储能系统在微电网中...

  5. 三维扫描点云中的圆柱体识别技术研究与实现

  6. 静止无功发生器在三相负...

  7. STATCOM静止同步补偿器在风...

  8. 浅析中国古代宗法制度

  9. 巴金《激流三部曲》高觉新的悲剧命运

  10. C++最短路径算法研究和程序设计

  11. 现代简约美式风格在室内家装中的运用

  12. 江苏省某高中学生体质现状的调查研究

  13. g-C3N4光催化剂的制备和光催化性能研究

  14. NFC协议物理层的软件实现+文献综述

  15. 中国传统元素在游戏角色...

  16. 高警觉工作人群的元情绪...

  17. 上市公司股权结构对经营绩效的影响研究

　　

About

优尔论文网手机版...

主页：http://www.youerw.com

关闭返回