基于模糊聚類的數(shù)據(jù)挖掘研究.pdf

1、模糊聚類分析是非監(jiān)督模式識別的一個重要分支，研究模糊聚類的算法及其應(yīng)用具有十分重要的價值。由于模糊聚類分析得到了每個樣本屬于各個分類類別的不確定性程度，表達(dá)了樣本類屬的中介性，即建立起了樣本對于類別的不確定性描述，更能真實(shí)地客觀地反映現(xiàn)實(shí)世界，所以成為了聚類分析研究的主流之一。
　　 由于模糊聚類分析是建立在模糊數(shù)學(xué)基礎(chǔ)之上的，所以本文首先簡要介紹了模糊集理論的基礎(chǔ)知識，包括模糊集合的定義、基本定理以及模糊關(guān)系等。其次闡述了模糊

2、聚類分析的研究現(xiàn)狀，就目前受到普遍歡迎的基于目標(biāo)函數(shù)的方法進(jìn)行了分析，討論了該方法目標(biāo)函數(shù)的演化以及實(shí)現(xiàn)途徑。在基于目標(biāo)函數(shù)的聚類算法中，模糊c均值聚類算法的理論最為完善、應(yīng)用也最為廣泛，所以本文在第三章詳細(xì)介紹了模糊c均值聚類算法(FCM)的主要思想以及實(shí)現(xiàn)步驟，并就FCM算法的有效性和存在的問題進(jìn)行了分析，驗(yàn)證了一種較新的模糊聚類有效性函數(shù)，并且研究了加權(quán)指數(shù)m對該算法的影響。最后根據(jù)FCM算法目前存在的問題，本文提出了一種基于階段