基于層次聚類的模糊聚類算法的研究.pdf

1、數(shù)據(jù)挖掘是目前信息處理和數(shù)據(jù)庫(kù)技術(shù)領(lǐng)域的前沿研究課題，被公認(rèn)為最具發(fā)展前景的關(guān)鍵技術(shù)之一。聚類分析是數(shù)據(jù)挖掘的一個(gè)重要研究領(lǐng)域，是一種用于數(shù)據(jù)劃分或分組處理的重要手段。聚類的應(yīng)用非常廣泛，在商務(wù)、市場(chǎng)分析、生物學(xué)、WEB 文檔分類等領(lǐng)域中都得到了充分的應(yīng)用。常用的聚類分析方法有劃分聚類方法、層次聚類方法、基于密度的聚類方法、基于網(wǎng)格的聚類方法、基于模型的方法等。這些方法所涉及的領(lǐng)域幾乎遍及人工智能科學(xué)的方方面面，而且在特定的領(lǐng)域中，取得

2、了良好的效果。
　　 首先，本文對(duì)數(shù)據(jù)挖掘中的聚類技術(shù)進(jìn)行了分析和討論，總結(jié)了聚類算法的分類，系統(tǒng)介紹了各類聚類算法的原理、優(yōu)缺點(diǎn)及關(guān)鍵技術(shù)。然后，針對(duì)FCM算法的對(duì)初始值敏感，以及目標(biāo)函數(shù)沒考慮類間距離的缺點(diǎn)，提出了一種基于層次聚類的模糊聚類算法（HFCM）。該算法采用凝聚的層次聚類方法，快速地發(fā)現(xiàn)高度聚集的數(shù)據(jù)區(qū)域，并對(duì)這些高密度區(qū)域進(jìn)一步進(jìn)行分析與合并，通過評(píng)估函數(shù)的評(píng)估，找到最優(yōu)的聚類方案。最后，分別用人造數(shù)據(jù)和真實(shí)數(shù)據(jù)