模糊C-均值算法在拼車系統(tǒng)中的應(yīng)用.pdf

1、數(shù)據(jù)挖掘,又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn),是指從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取隱含的、事先未知的、潛在有用的信息或模式。它融合了數(shù)據(jù)庫、人工智能、機器學習和統(tǒng)計學等多個領(lǐng)域的理論和技術(shù),是數(shù)據(jù)庫研究中的一個很有應(yīng)用價值的新領(lǐng)域,而聚類分析是數(shù)據(jù)挖掘中很重要的分析手段。聚類,是按照給定的相似度定義將數(shù)據(jù)集合劃分為若干個聚類簇,使得同簇的數(shù)據(jù)之間相似度較高而不同簇的數(shù)據(jù)之間相似度較低的過程。
　　 拼車系統(tǒng)數(shù)據(jù)庫中含有豐富的數(shù)據(jù)和信息,而目前的

2、拼車系統(tǒng)主要局限于實現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計等功能,無法有效地發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則,而數(shù)據(jù)挖掘技術(shù)可以對拼車系統(tǒng)數(shù)據(jù)進行更高層次的分析,發(fā)現(xiàn)其中隱含的知識。因而從拼車系統(tǒng)的數(shù)據(jù)庫中進行知識發(fā)現(xiàn),為數(shù)據(jù)挖掘研究提供了一個重要的課題。
　　 本文針對拼車系統(tǒng)中數(shù)據(jù)的特點,引用了一個對數(shù)據(jù)進行快速聚類的算法,即改進的模糊C一均值算法(FCM),對其增加一個加權(quán)值,來減少孤立點對聚類中心的影響；基于隸屬度引用一種對手抑制式模糊C-