應用k-Means方法在模糊語意屬性資料群聚問題之研究

勤益科大機構典藏 > 管理學院 > 工業工程與管理系(所) > 【工業工程與管理系所】博碩士論文 > Item 987654321/1239

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/1239

题名:	應用k-Means方法在模糊語意屬性資料群聚問題之研究 A study of K-Means algorithm for clustering problems with fuzzy linguistic attributes
作者:	林傑民 Lin, Chieh-Ming
贡献者:	工業工程與管理系
关键词:	演算法;語意變數;群聚;模糊集 k-means algorithm;linguistic variable;clustering;fuzzy sets theory
日期:	2005
上传时间:	2008-10-06 13:31:10 (UTC+8)
摘要:	k-means方法是在一資料集中選擇k個點，以此k點為中心建立k個群聚，然後將此資料集中的資料點分派到此等群聚中。透過事先定義好之處罰函數(penalty function)來衡量此等分派之總處罰，以作為修正此k點位置之選擇與資料點分派之依據，目標是使總處罰值最小化。此種方法在資料分析處理與決策問題上已有廣泛應用，由於決策問題有時所面對或收集之資料具有不精確性，在本研究中則擴展此方法之應用範圍，使之能應用於處理模糊語意變數之資料集。首先對k-means演算法作深入探討，以瞭解其限制與可能解決之道；接著對模糊集理論(fuzzy set theory)中有關模糊數與語意變數之處理方法作研究，本研究提出一個新的模糊距離概念，用以表示模糊語意之間的相似度，能更貼切的描述實務上的狀況，此模糊距離簡單易明瞭，而且應用上也極具方便性；最後本研究修正k-means演算法，以上述的模糊距離作為分群的依據，使之能處理模糊語意變數之資料集，並實際以學生學期的評量語意資料作驗證，以瞭解此修正演算法之複雜性與收斂性。本研究所提之模糊距離的概念與所設計的方法，經分析與探討並經實際的學生學期評量考核的語意資料應用案例來驗證，此修正k-means演算法能處理模糊語意變數之資料集是可行的，但如何落實在應用面上則需要進一步發展。
显示于类别:	[工業工程與管理系(所)] 【工業工程與管理系所】博碩士論文

文件中的档案:

档案	大小	格式	浏览次数
	0Kb	Unknown	1430	检视/开启

在NCUTIR中所有的数据项都受到原著作权保护.

数据加载中.....