模糊聚類算法及其聚類有效性的研究.pdf

1、伴隨著數(shù)據(jù)挖掘的發(fā)展，對聚類的研究越來越深入。目前存在很多種聚類方法，其中模糊C-均值聚類算法應(yīng)用最廣泛，基于該算法提出了很多改進(jìn)的算法以達(dá)到更好的聚類效果。對于聚類后的效果，需要聚類有效性指標(biāo)進(jìn)行評價。針對模糊C-均值聚類算法和聚類有效性指標(biāo)的研究現(xiàn)狀，本文在以下方面進(jìn)行了改進(jìn)：
　　 (1)針對模糊C-均值聚類算法提出了屬性加權(quán)的思想。由于數(shù)據(jù)集中不同的屬性對聚類的影響是不同的，因此有必要對屬性賦予不同的權(quán)重?；趯傩约訖?quán)的

2、思想，本文得到了新的模糊C-均值算法的目標(biāo)函數(shù)、聚類中心和隸屬度函數(shù)的迭代公式，并通過實驗對改進(jìn)后的聚類進(jìn)行驗證。
　　 (2)提出兩種新的聚類有效性指標(biāo)。由于聚類問題的多樣性，沒有統(tǒng)一的聚類有效性指標(biāo)衡量所有的聚類結(jié)果，只能從不同的聚類有效性指標(biāo)分別進(jìn)行改進(jìn)。本文提出了兩種聚類有效性指標(biāo)，第一種：基于N.Zahid指標(biāo)，通過改進(jìn)該指標(biāo)中的模糊類間分離度和類內(nèi)緊密度，形成新的聚類有效性指標(biāo)；第二種：結(jié)合Vxie指標(biāo)、Vbsaid