模糊聚類算法的有效性及參數(shù)m的研究.pdf

1、在計算機(jī)網(wǎng)絡(luò)化迅猛發(fā)展的時代，如何有效、快速地從大量數(shù)據(jù)中獲取人們需要的知識成為許多學(xué)者以及研究人員關(guān)注的焦點。數(shù)據(jù)供給能力和數(shù)據(jù)分析能力間的矛盾日益突出，使得人們迫切需要一種能夠?qū)?shù)據(jù)進(jìn)行更高層次的分析和提取的自動化技術(shù)——數(shù)據(jù)挖掘技術(shù)。
　　 作為數(shù)據(jù)挖掘的一個重要分支，聚類分析引起了人們的廣泛關(guān)注，它既可以作為獨立的數(shù)據(jù)挖掘工具供人們分析大量數(shù)據(jù)，也可以作為其他數(shù)據(jù)挖掘算法的數(shù)據(jù)的預(yù)處理。在現(xiàn)實世界中，許多客觀事物之間的界

2、限通常是模糊的，對事物進(jìn)行分類時就必然伴隨著模糊性。模糊聚類分析是建立在樣本對于類別識別的不確定性描述，更能夠準(zhǔn)備客觀反映現(xiàn)實世界事物之間的關(guān)系，從而成為聚類分析的研究主流。
　　 在模糊c均值算法中，參數(shù)m起著舉足輕重的作用，參數(shù)m的引入一定會對聚類分析以及聚類結(jié)果產(chǎn)生影響，最直接的影響就是將聚類的硬劃分變成了模糊聚類劃分，而且不同的m的值會產(chǎn)生不同模糊程度的數(shù)據(jù)劃分，從而產(chǎn)生不同的聚類結(jié)果，因此，對參數(shù)m的選取具有重要的意義

3、。本文重點研究了基于模糊決策的參數(shù)m的優(yōu)選方法，取得了一定的研究成果。
　　 在應(yīng)用FCM算法時，一個首先需要確定的參數(shù)就是數(shù)據(jù)集的聚類數(shù)，因此對于給定的數(shù)據(jù)集的聚類數(shù)是否合理就是對該聚類結(jié)果進(jìn)行有效性評價。目前，對聚類數(shù)是否合理的問題，學(xué)者們一般采用有效性指標(biāo)進(jìn)行評價。迄今為止，已經(jīng)提出若干檢驗聚類有效性的算法。本文著重對Xie-Beni指標(biāo)及其擴(kuò)展性進(jìn)行研究，對該指標(biāo)中存在的問題做了相應(yīng)改進(jìn)，引入了一個點密度懲罰因子，定義了