基于層次的模糊聚類算法.pdf

1、　　聚類是數(shù)據(jù)挖掘的重要分支之一，引入模糊理論的模糊聚類分析為現(xiàn)實(shí)數(shù)據(jù)集提供了模糊處理能力，在許多領(lǐng)域被廣泛應(yīng)用。本文在對基于劃分的模糊聚類算法中模糊C均值聚類算法及其變種算法進(jìn)行分析的基礎(chǔ)上，圍繞不同分布復(fù)雜度和數(shù)據(jù)量的數(shù)據(jù)集聚類及其輸入?yún)?shù)問題進(jìn)行了較深入的探討，提出了密集簇中心二次模糊聚類算法SFCC和基于動(dòng)態(tài)模型的分層模糊聚類算法DMFC兩個(gè)基于層次的模糊聚類算法?；贔CM算法、SFCC及DMFC算法，本研究工作對基于層次的模

2、糊聚類過程進(jìn)行了模塊化描述?！　∶芗刂行亩文：垲愃惴ㄖ幸刖垲愑行远攘浚苊饩垲惔?cái)?shù)目作為輸入?yún)?shù)，不再偏好發(fā)現(xiàn)球形和相似大小的簇分布；為進(jìn)一步提高算法的模糊聚類能力，提出了基于動(dòng)態(tài)模型的分層模糊聚類算法，該算法基于k-最近鄰居圖的構(gòu)造和劃分，合并過程中綜合考慮簇間的整體相似度和內(nèi)在結(jié)構(gòu)的相似性，在分布復(fù)雜的數(shù)據(jù)集上有較強(qiáng)的模糊聚類能力。　　針對FCM算法、SFCC及DMFC算法這三類算法的具體實(shí)現(xiàn)，對比給出不同數(shù)據(jù)量及分布