改進(jìn)的模糊C均值聚類(lèi)與連續(xù)屬性離散化算法研究.pdf

1、連續(xù)屬性的離散化是數(shù)據(jù)挖掘理論中重要的研究?jī)?nèi)容之一，有監(jiān)督離散化沒(méi)有考慮屬性之間的相容性，對(duì)最終的效果造成一定的偏差，無(wú)監(jiān)督離散化對(duì)分布不均勻以及含有噪聲的數(shù)據(jù)集十分敏感。在現(xiàn)實(shí)世界中，很多數(shù)據(jù)之間的分類(lèi)界線(xiàn)是非常模糊的，很難斷定一個(gè)數(shù)據(jù)具體屬于哪個(gè)類(lèi)別。在沒(méi)有先驗(yàn)知識(shí)的指導(dǎo)下，人為的將數(shù)據(jù)集進(jìn)行劃分，不但破壞了數(shù)據(jù)之間的相關(guān)信息，而且最終得出的結(jié)果也無(wú)法令人信服。針對(duì)傳統(tǒng)模糊離散化算法對(duì)噪聲數(shù)據(jù)敏感和忽略屬性之間相關(guān)性等缺陷，對(duì)模糊C

2、均值聚類(lèi)和連續(xù)屬性的離散化進(jìn)行了研究，主要工作如下:
　　(1)針對(duì)模糊C均值(FCM)算法對(duì)初始聚類(lèi)中心和噪聲數(shù)據(jù)敏感的缺陷，給出一種基于大密度區(qū)域的模糊聚類(lèi)DCFCM算法。該算法首先利用大密度區(qū)域以及樣本的密度值變化方法，選取初始聚類(lèi)中心以及候選初始聚類(lèi)中心，并依據(jù)初始聚類(lèi)中心與候選初始聚類(lèi)中心的距離，確定初始聚類(lèi)中心點(diǎn)，從而有效的克服了隨機(jī)給定初始聚類(lèi)中心容易使算法收斂到局部極小的缺陷;其次，分別利用密度函數(shù)為樣本加權(quán)和引用