基于特征加权带聚类中心分离的模糊聚类分析

摘要

模糊聚类分析是利用模糊数学研究聚类问题的一种方法，它是数据挖掘技术中的重要研究领域和应用技术之一.本文研究模糊聚类问题，具体内容为
　　一、考虑到各特征重要程度的不同会对聚类结果产生影响，基于聚类中心分离的模糊聚类模型FCM_CCS，本文提出了基于特征加权带聚类中心分离的模糊聚类模型WFCM-CCS，并给出了使目标函数达到最小值时的解.
　　二、WFCM-CCS算法易于编程实现.本文用MATLAB编程进行仿真，实验结果表明，WFCM-CCS模型确实能反映出各特征重要程度的不同对聚类结果有影响.权的选取对聚类准确率有很大影响，若选取到合适的权，那么聚类效果会非常好，该算法有良好的聚类性能，优于FCM-CCS.
　　在编程实现上，本文采取了特殊的处理技术，由此可以看到聚类结果随着权的大小变化的趋势，并发现了聚类过程有“断裂层”出现.

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．2 模糊聚类分析理论的发展和研究现状

1．3 本文主要工作

第2章 模糊聚类分析的相关知识

2．1 模糊集合的一些基本知识

2．1．1 相关概念

2．1．2 模糊性度量

2．2 模糊聚类的常见方法

第3章 基于特征加权带聚类中心分离的模糊聚类模型

3．1 基于聚类中心分离的模糊聚类模型——FCM_CCS

3．1．1 FCM_CCS模型

3．1．2 FCM_CCS的参数确定

3．2 基于特征加权带聚类中心分离的模糊聚类模型——WFCM_CCS

3．2．1 WFCM_CCS模型

3．2．2 WFCM_CCS算法

3．2．3 WFCM_CCS算法中权重的确定

第4章 WFCM_CCS仿真

第5章 总结

参考文献

致谢

附录