模糊k-means聚類方法研究及改進(jìn).pdf

1、聚類分析是統(tǒng)計(jì)學(xué)中的重要分支，在許多的領(lǐng)域中得以應(yīng)用，如人工智能與模式識(shí)別、生物統(tǒng)計(jì)學(xué)、市場營銷分析和社會(huì)統(tǒng)計(jì)學(xué)等等。這促進(jìn)了大量聚類方法的提出和研究。其中基于劃分的方法因其簡單有效而成為最常用的方法之一，代表方法有k-means方法、k-medoids方法以及它們的各種變體。
　　 原始的k-means方法其實(shí)是一種硬劃分方法，后來發(fā)展產(chǎn)生了與之相對(duì)的軟劃分方法。在軟計(jì)算的方法中，模糊集理論被引用到聚類分析中，并逐漸成為研究的

2、主流方向。代表方法有FANNY方法、FKM方法及其一系列變體如Fuzzyk-modes、Fuzzy k-medoids方法，統(tǒng)稱為模糊聚類方法。
　　 聚類方法的效果依賴于選用的相似性(相異性)度量，在聚類方法中最常用的度量是歐氏范數(shù)。本文引入另一種度量——AE度量(4.3節(jié))，實(shí)驗(yàn)說明，它的魯棒性優(yōu)于歐氏范數(shù)。
　　 本文對(duì)模糊k-means方法作了兩處改進(jìn)：
　　 (1)用AE度量替換經(jīng)典FKM、WFKM方法