改進的模糊C均值聚類與連續(xù)屬性離散化算法研究.pdf

1、連續(xù)屬性的離散化是數(shù)據(jù)挖掘理論中重要的研究內(nèi)容之一，有監(jiān)督離散化沒有考慮屬性之間的相容性，對最終的效果造成一定的偏差，無監(jiān)督離散化對分布不均勻以及含有噪聲的數(shù)據(jù)集十分敏感。在現(xiàn)實世界中，很多數(shù)據(jù)之間的分類界線是非常模糊的，很難斷定一個數(shù)據(jù)具體屬于哪個類別。在沒有先驗知識的指導(dǎo)下，人為的將數(shù)據(jù)集進行劃分，不但破壞了數(shù)據(jù)之間的相關(guān)信息，而且最終得出的結(jié)果也無法令人信服。針對傳統(tǒng)模糊離散化算法對噪聲數(shù)據(jù)敏感和忽略屬性之間相關(guān)性等缺陷，對模糊C

2、均值聚類和連續(xù)屬性的離散化進行了研究，主要工作如下:
　　(1)針對模糊C均值(FCM)算法對初始聚類中心和噪聲數(shù)據(jù)敏感的缺陷，給出一種基于大密度區(qū)域的模糊聚類DCFCM算法。該算法首先利用大密度區(qū)域以及樣本的密度值變化方法，選取初始聚類中心以及候選初始聚類中心，并依據(jù)初始聚類中心與候選初始聚類中心的距離，確定初始聚類中心點，從而有效的克服了隨機給定初始聚類中心容易使算法收斂到局部極小的缺陷;其次，分別利用密度函數(shù)為樣本加權(quán)和引用