自適應模糊C-均值聚類算法研究.pdf

1、隨著信息技術與數(shù)據(jù)庫技術的飛速發(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。目前，發(fā)展自統(tǒng)計學的聚類分析已成為數(shù)據(jù)挖掘領域中一個十分活躍的研究領域；而基于目標函數(shù)的模糊C-均值聚類方法是聚類研究中的一個熱點。
　　本文詳細介紹了數(shù)據(jù)挖掘技術，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)挖掘的主要應用領域和未來發(fā)展趨勢；在此基礎上對數(shù)據(jù)挖掘中的聚類分

2、析加以詳細地論述，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)結構和數(shù)據(jù)類型，以及在實際應用中聚類分析的一般過程，并詳細介紹了數(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行了詳細的研究和分析；運用階段化聚類的思想對FCM算法的過程進行了改進，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