一種改進(jìn)的離群模糊核聚類算法.pdf

1、一般說來，離群點(diǎn)是遠(yuǎn)離其他數(shù)據(jù)點(diǎn)的數(shù)據(jù)，但很可能包含著極其重要的信息。對離群點(diǎn)進(jìn)行識別是相當(dāng)重要的，它不但能夠提高分析的質(zhì)量，而且能夠發(fā)現(xiàn)和研究離群點(diǎn)。本文對算法如何初始化參數(shù)進(jìn)行了比較研究，提出用類心作為初始化參數(shù)并說明了其優(yōu)點(diǎn)。針對聚類目標(biāo)函數(shù)的選擇，本文提出了一種全新的聚類目標(biāo)函數(shù)——采用核空間類心的距離，即類心的核距離作為聚類的目標(biāo)函數(shù)，并給出了該目標(biāo)函數(shù)的推導(dǎo)過程。通過對本文算法和現(xiàn)有算法目標(biāo)函數(shù)搜索空間的比較，得出文中算法的

2、目標(biāo)函數(shù)是較優(yōu)的。本文還對算法的空間復(fù)雜度和時間復(fù)雜度進(jìn)行了分析，說明本文算法在時間復(fù)雜度上比現(xiàn)有算法小。通過對仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)的實(shí)驗(yàn)，測試了算法的可行性和有效性。首先，針對不同的數(shù)據(jù)集選取了不同的核函數(shù)進(jìn)行了實(shí)驗(yàn)，并針對不同聚類目標(biāo)函數(shù)進(jìn)行了對比分析；其次，結(jié)合算法如何初始化參數(shù)的分析，對不同初始點(diǎn)對算法靈敏度的影響進(jìn)行了比較實(shí)驗(yàn)；最后，本文對權(quán)重常量和權(quán)重指數(shù)的變化對聚類結(jié)果的影響進(jìn)行了分析，給出了理論上的解釋，并結(jié)合隸屬度和權(quán)重