針對(duì)多維數(shù)據(jù)的模糊聚類(lèi)算法研究.pdf

1、數(shù)據(jù)分類(lèi)是貫穿各個(gè)學(xué)科的重要問(wèn)題。在各個(gè)數(shù)據(jù)類(lèi)型中擁有多個(gè)維度的多維數(shù)據(jù)是最錯(cuò)綜復(fù)雜，在工業(yè)生產(chǎn)和生活實(shí)踐中也是最常用到的數(shù)據(jù)?？v觀各種各樣的數(shù)據(jù)分類(lèi)算法,非監(jiān)督類(lèi)算法在實(shí)際應(yīng)用中有非常廣闊的應(yīng)用空間。在非監(jiān)督算法中應(yīng)用最為廣泛的就是K-means算法和Fuzzy c-means（FCM）算法。
　　K-means算法作為硬聚類(lèi)領(lǐng)域劃分的基礎(chǔ)算法，F(xiàn)CM算法作為軟聚類(lèi)劃分的代表算法，在實(shí)際應(yīng)用中被廣泛使用的同時(shí)也擁有諸多缺點(diǎn)。其中

2、FCM聚類(lèi)算法作為一個(gè)非監(jiān)督模式的算法通過(guò)使目標(biāo)函數(shù)獲得最小值來(lái)得到最優(yōu)解。在聚類(lèi)中心的移動(dòng)過(guò)程中會(huì)因?yàn)樗惴ū旧淼墓逃腥毕菹萑刖植孔钚≈?，而?dǎo)致分類(lèi)結(jié)果不精確。硬劃分和軟化分的本質(zhì)區(qū)別在于在硬劃分中每一個(gè)元素只能屬于或者不屬于某一個(gè)聚類(lèi)，而在軟化分中，元素和聚類(lèi)之間的關(guān)系不再是單純的屬于或者不屬于，而是由模糊的隸屬度來(lái)描述。隸屬度是一個(gè)用來(lái)表示元素和聚類(lèi)之間關(guān)系的值。
　　為了獲得更高的分類(lèi)精確度和更快的速度，論文探討了FCM算法

3、的優(yōu)缺點(diǎn)，然后分析了它的邏輯構(gòu)成和各個(gè)模塊之間的關(guān)系，并針對(duì)這些做出了改進(jìn)，提出了新的針對(duì)多維數(shù)據(jù)的模糊聚類(lèi)算法，Unitary Fuzzy Cluster Algorithm（UFC）。UFC算法應(yīng)用了維度歸一化工具和新的聚類(lèi)中心移動(dòng)公式。維度歸一化工具能夠用權(quán)重代表多維數(shù)據(jù)的每一維的特性。論文還提出了一種新的移動(dòng)聚類(lèi)中心的方式，能科學(xué)的移動(dòng)聚類(lèi)中心。通過(guò)不斷地計(jì)算各個(gè)數(shù)據(jù)到聚類(lèi)中心的距離的權(quán)值來(lái)移動(dòng)聚類(lèi)中心。聚類(lèi)中心的最優(yōu)解能讓相似