基于不確定性信息的聚類分析方法研究.pdf

1、所謂聚類是指按照事物的某些屬性，把事物聚集成類，使類間的相似性盡量小，類內相似性盡量大的一個無監(jiān)督學習過程。聚類分析在經(jīng)濟管理及工程等許多領域有大量的實際背景。在聚類分析中，如果聚類信息(一般指聚類對象特征指標值或相似矩陣以及指標權重)是精確數(shù)值的，那么相關的聚類分析方法具有十分豐富的研究成果。但在許多實際問題中，由于被聚類的信息估計不精確或測量的誤差以及人為判斷等原因，常常以區(qū)間數(shù)、三角模糊數(shù)、語言短語以及不完全信息等這些不確定性信息

2、的形式出現(xiàn)。因此，針對具有不確定性信息的聚類分析方法進行研究，無論是在理論方面，還是在應用方面，都具有重要的意義。為此，本文針對具有不確定性信息的聚類分析問題，進行了相應的理論與方法研究，主要工作概括如下：(1)提出了基于區(qū)間數(shù)信息的模糊聚類分析方法。具體地，包括基于風險態(tài)度因子的區(qū)間數(shù)聚類分析方法、基于區(qū)間數(shù)多指標信息的FCM聚類算法和基于區(qū)間數(shù)多指標信息的最大樹聚類分析方法。 (2)提出了基于三角模糊數(shù)信息的模糊聚類分析方法

3、。具體地，包括基于三角模糊數(shù)多指標信息的FCM聚類算法和基于三角模糊數(shù)多指標信息的最大樹聚類分析方法。 (3)提出了具有不確定性語言評價信息的多指標聚類分析方法。包括給出了基于語言評價信息的FCM聚類算法和分別將語言評價信息轉化為二元語義或三角模糊數(shù)的形式后的編網(wǎng)聚類法。此外針對群體語言評價信息分別提出了基于群體語言相似矩陣的群聚類方法和基于特征指標語言評價信息的最大樹群聚類方法。 (4)提出了具有多指標信息不完全的聚類