基于密度等高線的種子初始化方法研究.pdf

1、作為數(shù)據(jù)挖掘的一項重要技術(shù)，聚類分析具有廣泛的應(yīng)用領(lǐng)域。同時，聚類也是數(shù)據(jù)挖掘領(lǐng)域中一個相對比較困難的問題。在聚類算法中，基于模糊劃分的FCM算法是其中的重要一種算法。和其它的算法相比，F(xiàn)CM算法具有計算簡單而且運算速度快，具有比較直觀的幾何意義的優(yōu)點，因此在圖像處理、模式識別等領(lǐng)域得到了廣泛的應(yīng)用。 和所有的c均值算法一樣，F(xiàn)CM算法也是只用類中心來表示類，這樣只是適合球狀類型的簇。另外，F(xiàn)CM算法只能保證收斂到目標(biāo)函數(shù)的局部

2、極值點而不能保證收斂到目標(biāo)函數(shù)的最小值點。對于該算法而言，合適的種子初始化方法是算法得到合理結(jié)果的必要保證。 本文在目前FCM算法研究的基礎(chǔ)上，討論了傳統(tǒng)FCM算法在原型初始化、類的個數(shù)c的選擇上的局限性，從理論上論證了通過分析數(shù)據(jù)的密度分布后進(jìn)行種子選擇的可行性。在此基礎(chǔ)上提出了基于密度等高線的種子初始化方法，在該方法中，通過分析數(shù)據(jù)的密度等高線決定數(shù)據(jù)是否可聚、如果可聚能夠分為幾類以及選擇什么樣的點作為種子進(jìn)行原型的初始化。

3、考慮到計算所有點的密度的復(fù)雜性，提出了將數(shù)據(jù)空間進(jìn)行劃分以減少計算量的方法。實驗表明，密度等高線算法和其它的種子初始化算法相比并不具有時間上的優(yōu)勢，但是該算法能夠找到合適的參數(shù)c，而不需要預(yù)先知道簇的個數(shù)；它能夠找到合適的原型P從而減少FCM算法迭代的次數(shù)，并且在迭代的過程中不會陷入局部極值點，可以適用于間隔不明顯的簇；另外，通過有偏抽樣它還能夠減少噪聲數(shù)據(jù)的干擾。因此，我們認(rèn)為采用密度等高線算法進(jìn)行種子的初始化是一種可行的方法。