臺灣博碩士論文加值系統

在這篇論文中，我們提出了一個新的替代式模糊短時間序列聚類演算法。本論目的在於觀察此新演算法是否比模糊短時間序列聚類演算法 [3]更加具有優勢。在使用模糊短時間序列聚類演算法 [3]因為其建立在模糊C均值演算法之上，所以對於具有離群值的短時間序列資料作聚類分析時有些缺點，使得分類結果不正確。所以為了改善此問題，在此篇論文中我們將Moller-Levet教授 [3]提出的Short Time Series距離與吳國隆教授及楊敏生教授 [4]提出的替代式模糊C均值演算法結合為替代式模糊短時間序列聚類演算法，此演算法建立在替代式模糊C均值 [4]之上，因此對於具有離群值之時間序列資料做聚類分析時可以改善分類結果，且可以改善模糊短時間序列演算法的缺點。

In this thesis, we propose Alternative Fuzzy Short Times Series Clustering Algorithm (A-FSTS). This thesis was to observe whether the new algorithm is better than Fuzzy Short Time Series Clustering Algorithm [3]. We using Fuzzy Short Time Series Clustering Algorithm (FSTS) [3] for Short Time Series data with outliers have some problem and the classification results are incorrect, because Fuzzy Short Time Series Clustering Algorithm [3] is based on Fuzzy C-Means Algorithm (FCM). We want to improve this problem, So we will combine distance of Short Time Series [3] and Alternative Fuzzy C-Means (AFCM) [4] as the Alternative Fuzzy Short Time Series Clustering Algorithm. This algorithm based on the Alternative Fuzzy C-Mean Algorithm, Therefore, this algorithm is not affected outliers, and improve the classification results.

第一章 簡介 1
第二章 模糊短時間序列聚類演算法 3
2.1 模糊C均值演算法（Fuzzy C-Means Algorithm, FCM） 3
2.2 Short Time Series距離 3
2.3 模糊短時間序列聚類演算法目標函數 5
第三章 替代式模糊短間序列聚類演算法 7
3.1 替代式模糊C均值演算法 7
3.2 替代式模糊短間序列聚類演算法 8
第四章 A-FSTS演算法與FSTS演算法的比較 15
4.1 兩群不規則型 15
4.2 兩群隨著時間遞增型 16
4.3 兩群隨著時間遞減型 18
4.4 兩群特殊形（含離群值） 20
4.5 三群混合型 21
4.6 三群混合型（含離群值） 23
4.7 三群混合型（大量） 25
4.8 四群混合型 27
4.9 兩群特殊型 28
第五章 問題發現與解決 30
第六章 結論 32
參考文獻 33

[1]J.C. Bezdek, (1973), “Fuzzy Mathematics in Pattern Classification,” Ph.D. Thesis, Applied Math. Center, Cornell University, Ithaca, USA.
[2]J.C. Bezdek, (1981), “Pattern Recognition with Fuzzy Objective Function Algorithms”, Plenum Press, New York.
[3]C.S. M¨oller-Levet, F. Klawonn, K.H. Cho and O. Wolkenhauer, (2003), “Fuzzy Clustering of Short Time-Series and Unevenly Distributed Sampling Points,” Lecture Notes in Computer Science, Volume 2810, pp. 330-340.
[4]K.L. Wu and M.S. Yang, (2002), “Alternative c-means clustering algorithms,” Pattern Recognition, Volume 35 , pp. 2267-2278.
[5]L.A. Zadeh, (1965), “Fuzzy Sets,” Information and Control, Volume 8, pp. 338-353.
[6]E. Ruspini, (1969), “A new approach to clustering,” Information and Control, Volume 15, pp. 22-32.
[7]E. Ruspini, (1970), Numerical methods for fuzzy clustering,” Information Sciences, 2, 319-350.
[8]蕭佑亘, (2013), “時間序資料的階層式聚類法”,碩士論文, 中原大學應用數學系.
[9]楊敏生，楊鎮槐, (2010), “模糊聚類及其應用”, 藍海文化出版社.