模糊聚類中若干問(wèn)題的研究.pdf

1、聚類分析作為無(wú)監(jiān)督模式識(shí)別的一個(gè)重要分支已經(jīng)成為現(xiàn)代數(shù)據(jù)分析的一個(gè)重要工具.不同的初始條件和聚類標(biāo)準(zhǔn)通常會(huì)導(dǎo)致不同的聚類算法.因此,聚類算法是一個(gè)內(nèi)容龐雜的算法族.到目前為止,人們提出了各種各樣的聚類算法.
　　 模糊C均值算法由于簡(jiǎn)單有效成為最受關(guān)注的模糊聚類算法之一.該算法及其推廣算法已被成功應(yīng)用到很多領(lǐng)域.這些方法的共同點(diǎn)是通過(guò)反復(fù)迭代計(jì)算最優(yōu)分類(如聚類中心).因此,它們敏感于初始聚類中心及噪聲點(diǎn),而且這些方法只能檢測(cè)預(yù)

2、先給定個(gè)數(shù)的球狀結(jié)構(gòu)模式的聚類.然而,很多情況下聚類中心并非真實(shí)存在.為了便于處理任意形狀結(jié)構(gòu)模式的聚類,本文提出一種無(wú)需聚類中心的新的模糊聚類算法(CCFR-FCM).該方法通過(guò)定義樣本點(diǎn)與各聚類間的模糊相似性函數(shù)來(lái)確定各樣本所屬的類別.為了確定數(shù)據(jù)集包含的聚類個(gè)數(shù),我們建立與CCFR-FCM方法相適應(yīng)的聚類有效性指標(biāo).
　　 層次聚類算法是另一類應(yīng)用較為廣泛的聚類方法.它能夠把樣本集的多種分類結(jié)果全部展示出來(lái),但是從這些分類