一种新的模糊C均值聚类算法.pdfVIP

第41卷第2期 河南大学学报(自然科学版) V01．41NO．2 ofHenan Science) Mat．2011 2011年3月 Journal University(Natural 一种新的模糊C均值聚类算法 李翠霞1，谭营军2 (1．郑州大学软件技术学院，郑州450002；2．河南职业技术学院信患工程系，郑州450046) 摘要：传统的模糊C均值聚类算法及其变型在聚类过程中都假设所有的属性对聚类贡献相同，所以很难发现隐 藏在部分属性中的类结构，也难以识别出重要属性．在实际应用中．噪声属性较为常见。并且会影响正常的聚类过 程．鉴于以上原因，提出了一种新的基于属性加权的模糊c均值聚类算法，通过对人工数据和实际数据的聚类测试 结果，证实了该算法的有效性． 关键词：权值；属性加权；模糊指数；模糊C均值聚类算法 中圈分类号：TP391 文献标志码：A 文章编号：1003--4978(2011}02--0201--05 ANew C-Means Fuzzy Algorithm LICui—xial，TANun2 Ying-j (1．School ofIn·formation ofSoftwareTechnology．ZhengzhouUniversity，Zhengzhou450002，China；2．Department 450046，China) Engineering，HenanPolytechnicCollege，Zhengzhou Abstract：BecausetheStandardC-means andmostofitsextensionstreatalltheattributesin fuzzy algorithm equally cafftdiscoverthelatentcluster attributescontributemorethan clusteringprocess。they structure．However，some othersinsome this，this anewattribute C-means cases．Consideringpaperproposes weightedfuzzy algorithm．The resultsofthenumerical the ofthenew experimentprovevalidity algorithm． C—means Keywords：weight；attributeweighted；fuzzyexponent；fuzzyalgorithm O 引言 属性选择和属性加权是聚类分析中很重要的一个研究课题【l。引．无论C均值算法还是模糊C均值算法， 它们都假设在聚类过程中数据对象的所有属性对聚类结果的贡献相同．然而，这一假设并不适用于现实世界 中的所有情况．对于高维数据而言，很多情况下，某些属性与聚类结构并不相关而且还可能是噪声属性，这些 噪声属性的存在会隐藏已有的聚类结构，进而影响聚类的效果．即在决定聚类结构时，一部分属性可能会比 另一部分属性的地位更为重要．因此对数据集合中不同属性的重要性分析和识别就成为一个亟待解决的研 究问题． 行重复迭代，直