知識驅(qū)動的模糊聚類算法研究.pdf

1、聚類分析算法是一種用來發(fā)現(xiàn)數(shù)據(jù)中存在模式的有效方法，在數(shù)據(jù)分析中被廣泛應(yīng)用。在本文中，我們主要討論了一種以領(lǐng)域知識作為輔助手段，并將其有效集成到所研究模式識別問題的方法。
　　 首先，本文提出了一種新的知識驅(qū)動的聚類算法—貼近度—密切關(guān)系傳播算法。該算法利用我們所設(shè)計的知識判據(jù)和由用戶給出的樣本問的貼近度信息來對由數(shù)據(jù)所產(chǎn)生的相似度矩陣進行修正，從而將用戶的知識引入聚類過程，使算法對于問題的處理變得更加靈活。
　　 其次

2、，為了解決上述算法無法得到用戶所需聚類數(shù)目和大樣本數(shù)據(jù)集合聚類的問題，本文將模糊C均值算法與密切關(guān)系傳播算法相結(jié)合，設(shè)計出一種“大樣本數(shù)據(jù)聚類算法”。該算法分為兩個階段，在第一階段，我們采用了一種分布式計算策略，先將原始數(shù)據(jù)集合劃分成若干個數(shù)據(jù)子集，并使用密切關(guān)系傳播算法分別對每個數(shù)據(jù)子集樣本進行聚類，得到數(shù)據(jù)的聚類中心。在算法的第二階段，我們將由第一階段產(chǎn)生聚類中心視為一個數(shù)據(jù)集合，利用模糊C均值算法得到所期望類數(shù)的聚類，并認為每個聚

3、類中心所屬的類與在第一階段隸屬于其的數(shù)據(jù)所屬的類相同。同時，為了考察劃分的可靠性，在此階段，我們還引入了模糊熵量度來輔助完成聚類過程。
　　 為了考察兩種算法的有效性，我們對其進行了數(shù)值實驗。對于貼近度—密切關(guān)系傳播算法，我們分別考察了其在含有少量樣本的人工數(shù)據(jù)集，Iris數(shù)據(jù)集和Yale人臉圖像數(shù)據(jù)集上的聚類效果。對于大樣本數(shù)據(jù)聚類算法，我們考察了其對Iris數(shù)據(jù)集和Shutte數(shù)據(jù)集的聚類效果。實驗結(jié)果表明，這兩種算法策略切