FCM聚類及其增量算法的研究.pdf

1、作為數(shù)據(jù)挖掘技術(shù)的一個重要分支，聚類分析是數(shù)據(jù)挖掘中一種非常重要的挖掘方法。它主要研究數(shù)據(jù)之間的物理或邏輯關(guān)系，通過一組特定的規(guī)則把數(shù)據(jù)集劃分成為若干個由性質(zhì)相似的數(shù)據(jù)點組成的類。
　　 模糊C-均值聚類算法是一種比較常用的聚類分析算法。它通過不斷重復(fù)地修改聚類中心以及隸屬度矩陣，從而實現(xiàn)對樣本進行自動分類的目的。由于初始聚類中心對FCM聚類算法的影響較大，目前存在大量的改進算法。本文探討了模糊C-均值聚類的改進及其增量聚類算法

2、。所做的主要工作如下：
　　 1．分析了FCM聚類算法的優(yōu)缺點，并針對缺點進行改進，在目標函數(shù)中引入拉普拉斯系數(shù)，把對象間的結(jié)構(gòu)信息轉(zhuǎn)換為權(quán)重，從而提高算法的質(zhì)量以及效率。將改進后的算法與增量聚類算法結(jié)合，該算法避免了大量的重復(fù)計算，并且不受孤立點的影響。
　　 2．分析了現(xiàn)有的半監(jiān)督模糊C-均值聚類算法，提出了一種基于改進的半監(jiān)督模糊C-均值聚類方法。該算法把基于蟻群算法的模糊C-均值算法與半監(jiān)督模糊C-均值聚類算法相