數(shù)據(jù)挖掘中模糊聚類與聚類集成研究.pdf

1、數(shù)據(jù)收集和數(shù)據(jù)存儲技術(shù)的快速進(jìn)步使得各組織機(jī)構(gòu)積累海量數(shù)據(jù)，如何提取有用信息已經(jīng)成為巨大挑戰(zhàn)。數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，并顯示出強(qiáng)大的生命力。 聚類分析是數(shù)據(jù)挖掘任務(wù)中的重要分支。所謂聚類就是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(nèi)相似性盡量大。 傳統(tǒng)的聚類分析是一種“硬”劃分，它把每個(gè)待辨識的對象嚴(yán)格地劃分到某個(gè)類中，具有“非此即彼”的性質(zhì)，所以這種劃分的界限很分明。但實(shí)際上現(xiàn)實(shí)生活中大多數(shù)對象并沒有

2、嚴(yán)格的屬性，它們在形態(tài)和類屬性方面存在著中介性，具有“亦此亦彼”的性質(zhì)，因此比較適合進(jìn)行“軟”劃分。模糊集理論的提出為這種軟劃分提供了有力的分析工具，人們開始用模糊的方法來處理聚類問題，并稱之為模糊聚類分析。高維數(shù)據(jù)聚類問題被公認(rèn)為較難處理的一種聚類問題。本文簡要介紹了模糊集合和模糊關(guān)系概念，總結(jié)了模糊聚類的原則和通用的方法，討論了常用的模糊聚類算法，在此基礎(chǔ)上提出了基于圖論的高屬性維稀疏數(shù)據(jù)的模糊聚類算法。有效地實(shí)現(xiàn)對不同類型高屬性維

3、稀疏數(shù)據(jù)的歸并，使得聚類結(jié)果更符合實(shí)際情況，聚類質(zhì)量較高。 由于聚類分析的重要性和特殊性，近年來該領(lǐng)域的研究取得了長足的發(fā)展，涌現(xiàn)出了許多聚類分析的方法。聚類集成方法將不同算法或在同一算法下使用不同參數(shù)得到的結(jié)果進(jìn)行集成，從而得到比單一算法更為優(yōu)越的結(jié)果。但絕大多數(shù)聚類集成方法的研究都集中在硬劃分上，即研究如何對硬聚類算法進(jìn)行集成，在模糊聚類算法方面尚缺乏建樹。針對該種情況，本文提出了一種模糊聚類集成的決策模型。該模型同時(shí)考慮“