基于模糊相关度的模糊聚类有效性检验方法
文件大小:0.33MB
格式:pdf
发布时间:2016-08-29
浏览次数:次
【中文关键词】 | 模糊聚类算法   |
【摘要】 | 本文在模糊聚类算法基础上,提出了对聚类效果进行有效性检验的方法。 |
【部分正文预览】 | 聚类分析是非监督模式识别中的一个重要方法。当使用模糊聚类算法时, 必须确定最佳的分类数, 这个问题叫做“ 聚类有效性问题” 。到目前为止, 已提出了多种聚类有效性标准。基于样本的隶属度信息定义聚类有效性函数首先是由Bez d ek l] 提出的, 他提出的划分系数和划分嫡是两个简单且被经常使用的聚类有效性标准, 这两个函数分别用到了隶属度的能量信息和嫡信息。基于样本最大分类信息定义聚类有效性函数是W in dh a m 首先提出的, 他定义了比例系数l2] 和一致数据函数I3] , 但这两个函数的定义过于复杂, 人们很少使用。 Li n k e ns 和Ch en I4] 指出划分嫡的不足, 定义了一种修改的划分墒, 然而, 该公式很难从理论上进行解释并且其实验效果也不十分令人满意。基于数据集的几何结构的聚类有效性函数已提出了许多, 范九伦提出的基于包含度的有效性聚类函数队D av ie S 和Bou ld in 的分离性测度t0; 用于模糊聚类的Xi e 一B en i 指标叹Xi e -Ben i 指标是基于每类的紧致性和类与类间的分离性引人的; D av ie s 和Bou ldi n 的分离性测度是基于类与类间的Fi sh e r 距离引人的。
为使最终分类的模糊性较小, 提高模糊聚类效果,本文采用模糊有效性函数作为评价聚类效果的标准,引用文献[3] 中划分的平均模糊嫡对最优聚类数进行效果验证。提出了考虑不同指标权重、相对隶属度和距离函数的作用下的模糊相关度, 并定义了模糊有效性函数的计算方法。
结合模糊聚类的应用实例一区域代表站的模糊划分来证明聚类有效分性析与检验是必要的。 |
|
||
【打印本页】 |
|