模糊聚類分析及其有效性研究.pdf

1、聚類分析是非監(jiān)督模式識別的一個重要分支，模糊聚類由于建立起了樣本對于類別的不確定性描述，更能客觀地反映現(xiàn)實世界，從而成為聚類分析研究的主流。模糊聚類已經(jīng)被廣泛應(yīng)用于模式識別、數(shù)據(jù)挖掘、圖像處理等許多領(lǐng)域。 本文的研究工作主要包括以下兩個方面： 1．針對傳統(tǒng)模糊核聚類算法沒有考慮各維特征對聚類的不同貢獻程度，以及易陷入局部最優(yōu)等缺點，提出一種改進的模糊核聚類算法。該算法構(gòu)造了一個簡單有效的適應(yīng)度函數(shù)，結(jié)合遺傳算法全局搜索的

2、優(yōu)點，避免算法陷入局部最優(yōu)。還為各維特征引入一個權(quán)系數(shù)，并利用ReliefF算法為特征加權(quán)。該算法比傳統(tǒng)模糊核聚類算法有較大改進。實驗結(jié)果表明了其有效性。 2．提出一個新的模糊聚類有效性指標。該指標能確定由模糊c均值算法得到的模糊劃分的最優(yōu)劃分和最優(yōu)聚類數(shù)。該指標結(jié)合了模糊聚類的緊致性和分離性信息。用類內(nèi)加權(quán)平方誤差和計算緊致性，用類間相似度計算分離性。在3個人造數(shù)據(jù)集和3個著名的真實數(shù)據(jù)集上的對比實驗證明了該指標的性能優(yōu)于其它

3、有效性指標。 全文共分五章，各章的內(nèi)容分別為： 第1章是引言。介紹了本文的研究背景和意義，指出論文的主要研究內(nèi)容，并對全文結(jié)構(gòu)安排進行了簡介。 第2章是相關(guān)研究回顧及理論綜述。較為詳細的介紹了聚類分析以及模糊聚類算法的研究現(xiàn)狀和相關(guān)理論。 第3章重點描述了一種改進的基于核函數(shù)的模糊聚類算法，并對算法的聚類效果進行了對比實驗和分析。 第4章提出一個新的模糊聚類有效性指標VN(c)，并把新指標和現(xiàn)有指