基于隨機(jī)模糊的聚類(lèi)算法研究.pdf

1、傳統(tǒng)的聚類(lèi)分析是一種硬化分，把待識(shí)別的對(duì)象嚴(yán)格的劃分到某個(gè)類(lèi)中，具有“非此即彼”的性質(zhì)，而模糊聚類(lèi)描述樣本屬于各個(gè)類(lèi)別的不確定性程度，表達(dá)了樣本類(lèi)屬的中介性。但是，在引進(jìn)模糊概念的同時(shí)，也產(chǎn)生了兩大問(wèn)題：(1)隸屬函數(shù)不易確定。隸屬函數(shù)如何確定沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，其過(guò)程有一定的人為技巧，帶有一定的主觀性；(2)模糊的不徹底性。隸屬度用定量值表示，即把不確定性轉(zhuǎn)化為確定性。
　　 針對(duì)當(dāng)前挖掘算法中隸屬度不易確定和量化問(wèn)題，本文對(duì)基于

2、云理論的不確定性機(jī)制進(jìn)行了研究，并在云模型的基礎(chǔ)上創(chuàng)建了一種新型模型——隨機(jī)模糊模型(RandomFuzziness Model，RFM)，該模型將隨機(jī)性(精確度)和模糊性(隸屬度)集成并建立映射關(guān)系，通過(guò)隨機(jī)性更深層次的刻畫(huà)事務(wù)的模糊性，來(lái)提高隸屬度確定的合理性。在RFM模型應(yīng)用到聚類(lèi)分析過(guò)程中，首先，利用該模型計(jì)算樣本在不同精確度下的隸屬值。然后，在不同的精確度下，計(jì)算得到不同的劃分結(jié)果。最后，針對(duì)不同精確度下的劃分結(jié)果，利用隨機(jī)模