自適應(yīng)模糊C-均值聚類算法研究.pdf

1、隨著信息技術(shù)與數(shù)據(jù)庫技術(shù)的飛速發(fā)展，人們面對的數(shù)據(jù)量以驚人的速度增長，為了從中獲取有價值的信息，更好的利用這些數(shù)據(jù)資源，提出了數(shù)據(jù)挖掘技術(shù)。目前，發(fā)展自統(tǒng)計學(xué)的聚類分析已成為數(shù)據(jù)挖掘領(lǐng)域中一個十分活躍的研究領(lǐng)域；而基于目標(biāo)函數(shù)的模糊C-均值聚類方法是聚類研究中的一個熱點。
　　本文詳細(xì)介紹了數(shù)據(jù)挖掘技術(shù)，包括數(shù)據(jù)挖掘的概念，數(shù)據(jù)挖掘的功能，數(shù)據(jù)挖掘系統(tǒng)的分類，以及數(shù)據(jù)挖掘的主要應(yīng)用領(lǐng)域和未來發(fā)展趨勢；在此基礎(chǔ)上對數(shù)據(jù)挖掘中的聚類分

2、析加以詳細(xì)地論述，介紹了數(shù)據(jù)挖掘中聚類分析的概念、聚類分析中的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型，以及在實際應(yīng)用中聚類分析的一般過程，并詳細(xì)介紹了數(shù)據(jù)挖掘中的主要聚類算法及其分類；分別描述了C-均值聚類和模糊C-均值聚類算法，并對模糊C-均值聚類算法的過程進(jìn)行了詳細(xì)的研究和分析；運用階段化聚類的思想對FCM算法的過程進(jìn)行了改進(jìn)，將整個聚類過程分為兩個階段，并對聚類的數(shù)目和聚類中心的初始化做了自適應(yīng)處理，能夠自動得到較好的初始參數(shù)；對于算法中隸屬度矩陣和