106學年第1學期課程綱要

@尊重智慧財產權,請同學勿隨意影印教科書 。
Please respect the intellectual property rights, and shall not copy the textbooks arbitrarily.

一、課程基本資料
開課序號 2568 課程學制
科目代碼 MAC8022 課程名稱 聚類分析(二)
英文名稱 Cluster Analysis (II)
全/半年 必/選修 選修
學分數 3.0 每週授課時數 正課時數: 3 小時
開課系級 數學系(碩)碩博合開
先修課程
課程簡介 聚類分析是將大量資料依其特徵的相似性分成若干群集的學問,本課程聚焦在模糊聚類分析及其應用,包括模糊迥歸聚類分群、迴歸線斷點分析、品質管制異常分析、模糊加權最小平方法等。同時探討架構在模糊C 分割上的適切性指標及廣義的適切性指標。
課程目標 對應系所核心能力
1. 能了解群體的差異,並利用變數建立聚類規則,進而將所給定的資料做分群,並找到資料中所隠藏的訊息。 碩士:
 1-1 熟習數學學科專業的能力
 1-4 具備高等數學問題的擬題與解題能力
 1-6 具備從高觀點看初等數學的能力
 2-4 具有終身學習的能力
博士:
 1-1 熟習數學學科專業的能力
 1-4 具備高等數學問題的擬題與解題能力
 1-6 具備從高觀點看初等數學的能力
 2-4 具有終身學習的能力
2. 能運用聚類分析的優勢辨識資料的特性找到分析資料最好的方法。 碩士:
 1-5 能以數學做為認識其他學科的工具
 4-1 精熟專業知識並能不斷自我成長
 4-3 具有多元的數學價值與數學學習的信念
博士:
 1-5 能以數學做為認識其他學科的工具
 4-1 精熟專業知識並能不斷自我成長
 4-3 具有多元的數學價值與數學學習的信念

二、教學大綱
授課教師 張少同
教學進度與主題

每週主題(上課週數,共18)

模糊C均值演算法(2)

可能性(Possibilistic)聚類演算法(1)

山峰(Mountain) 聚類演算法(1)

模糊迥歸聚類分群(3)

迴歸線斷點分析(2)

品質管制異常分析(3)

模糊加權最小平方法(1)

模糊分割數的適切性指標(2)

模糊聚類分析的應用(3)

教學方法
方式 說明
講述法 以上課講授為主
評量方法
方式 百分比 說明
作業 50 %  
報告 50 %  
參考書目

(2007) Richard A. Johnson, Dean W. Wichern, Applied Multivariate Statistical Analysis, Pearson International(6ed)

(2010) 楊敏生、楊鎮槐,模糊聚類及其應用,藍海文化初版

(2015)M. Emre Celebi, Partitional Clustering Algorithms,Springer

(2009)Rui Xu, Donald C. Wunsch, Clustering,Wiley

(2008)Miyamoto, Ichihashi, Honda, Algorithms for Fuzzy Clustering Methods in c-Means Clustering with Applications, Springer

版權所有 © 2024 國立臺灣師範大學