粗糙模糊支持向量聚类方法的研究

摘要

支持向量聚类是一种重要的基于密度的算法,可以应用在许多现实问题中。但是,如果在数据中有离群点出现,由于离群点所对应的隶属度都为零,致使支持向量聚类这种算法不能将这些离群点分类。导致这些离群点被以同样的方式处理,从而失去一些关于数据集的重要信息。为了克服这个局限性,我们提出了一种新的聚类算法,称为粗糙模糊支持向量聚类（RFSVC）。这个集群结构主要由两部分组成:一个是较低的近似,一个是模糊边界。根据它们与支持向量的亲密关系,可以计算出模糊边界元素的隶属度。最后我们利用实验,通过与其他软聚类方法的比较,得出所提方法的有效性和潜力。