无监督学习算法研究
无监督学习算法研究(开题报告,外文翻译,论文11400字)
摘 要
在数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断等领域中，机器学习往往扮演着不可替代的角色，本文的主题是当下热门的一种机器学习技术，无监督学习。
本次论文对几种典型的无监督算法进行了学习，并针对一些典型问题进行了仿真研究：介绍了传统的图像分割与聚类算法分割，并利用基于K-均值聚类算法的图像改进分割方法进行了图像分割；围绕层次聚类分析算法展开研究，将层次聚类分析方法应用在电价区域的空间尺度划分问题中，进而实现了电价区域的划分；运用模糊聚类的方法，根据动态聚类图对人脸图像进行分类。
关键词：聚类算法；K-均值聚类；层次聚类；模糊聚类
Abstract
In many fields such as data mining, computer vision, natural language processing, biometrics, search engines, medical diagnosis, etc., machine learning often plays an irreplaceable role, and the topic of this thesis is a popular machine learning technology. Supervise learning.
In this thesis, several typical unsupervised algorithms are studied and some typical problems are simulated. The traditional image segmentation and clustering algorithm segmentation is introduced, and the improved image segmentation method based on K-means clustering algorithm is introduced. Image segmentation was performed and research was conducted around hierarchical clustering analysis algorithms. Hierarchical clustering analysis method was applied to the problem of spatial scale division of electricity price regions, and then the division of electricity price regions and the method of using fuzzy clustering were implemented, according to dynamic clustering. The figure categorizes face images. [资料来源：https://www.doc163.com]
Key Words：Clustering Algorithm；K-means clustering；Hierarchical clustering；Fuzzy clustering
[资料来源：http://www.doc163.com]
目录
第1章 绪论 1
1.1 目的及意义 1
1.2 国内外研究现状 1
1.3 研究的基本内容 2
第2章 基于K-均值聚类的图像分割算法 3
2.1 K-均值聚类算法 3
2.2 基于K-均值聚类的彩色图像分割算法及改进 3
2.2.1 图像特征提取 4
2.2.2 K-均值聚类图像分割算法的研究与改进 5
2.2.3 实验结果与分析 6
第3章 基于尺度空间层次聚类的电价区域划分 7
3.1 层次聚类分析算法 7
3.2 层次聚类分析算法的有效性研究 7
3.2.1 有效性函数的定义 8
3.3 尺度空间理论 9
3.4 基于尺度空间层次聚类的电价区域划分 11
3.4.1 聚类样本 11
3.4.2 基于尺度空间的区域划分 11
3.4.3 聚类的有效性 12
3.5 本章小结 14
第4章 基于模糊聚类的人脸图像分类 15
4.1模糊集合 15
4.1.1模糊子集的概念 15
4.1.2 模糊关系 15
4.1.3运用传递闭包法进行模糊聚类 16
4.2 基于模糊聚类的人脸图分类 17
4.3 基于模糊聚类的人脸分类算法设计 18
4.4 实验仿真 18
第5章 结论 22
参考文献 23
致谢 24
[资料来源：http://www.doc163.com]