模糊聚類新算法的研究.pdf

1、模糊聚類分析是模糊模式識(shí)別范疇中的一個(gè)重要分支，是一種無監(jiān)督的模式識(shí)別方法。在眾多的領(lǐng)域得到了廣泛的應(yīng)用。比如分類學(xué)、地質(zhì)學(xué)、商業(yè)活動(dòng)、模式識(shí)別和圖像處理等很多方面。研究模糊聚類的算法及其應(yīng)用具有十分重要的價(jià)值，聚類的目標(biāo)就是在龐大的數(shù)據(jù)集中發(fā)現(xiàn)潛在的數(shù)據(jù)結(jié)構(gòu)，將類似的樣本盡可能地劃分在同一類內(nèi)。由于模糊聚類得到了樣本屬于各個(gè)類別的不確定性程度，表達(dá)了樣本類屬的模糊性，即建立起了樣本對(duì)于類別的不確定性描述，更能客觀地反映現(xiàn)實(shí)世界。如今，

2、模糊聚類已發(fā)展成龐大的體系。在實(shí)際中用處較大的是基于模糊關(guān)系和相似關(guān)系的聚類算法以及基于目標(biāo)函數(shù)的聚類算法。模糊c均值聚類算法是最早的目標(biāo)函數(shù)聚類算法，也是目標(biāo)函數(shù)聚類算法中研究得比較充分的算法。但是，在模糊c均值聚類算法以往的研究中仍舊存在薄弱環(huán)節(jié)和不足之處。模糊c均值聚類算法及其推廣形式的主要缺點(diǎn)是對(duì)初始化較敏感，收斂速度較慢，對(duì)噪聲較敏感，不適用于類與類之間的樣本量相差較大的情形。目前，針對(duì)模糊c均值聚類算法及其推廣形式的不足，己

3、提出了各種各樣的算法。 本文首先對(duì)傳統(tǒng)的模糊c均值聚類算法進(jìn)行了分析，討論了模糊c均值聚類中隸屬度的新解釋。其次，針對(duì)區(qū)間型數(shù)據(jù)，提出了相應(yīng)的區(qū)間型數(shù)據(jù)模糊c均值聚類算法，將區(qū)間長(zhǎng)度和區(qū)間中值共同作為模糊聚類的要素，這在一定程度上克服了傳統(tǒng)區(qū)間型數(shù)據(jù)模糊c均值聚類算法的不足。再次，針對(duì)現(xiàn)有關(guān)于混合型數(shù)據(jù)的模糊聚類算法存在的缺陷，提出了改進(jìn)的針對(duì)混合型數(shù)據(jù)的模糊c均值聚類算法。該算法對(duì)符號(hào)型數(shù)據(jù)和模糊數(shù)據(jù)使用了新的距離測(cè)度公式，在