文件名称：扩展模糊聚类算法-研究论文
文件大小：596KB
文件格式：PDF
更新时间：2024-06-29 09:14:23
Fuzzy Clustering Cluster
模糊聚类是一种广泛应用的从数据中获取模糊模型的方法。 它已成功应用于包括金融和营销在内的各个领域。 尽管获得了成功的应用，但在模糊聚类算法的实际应用中，仍有许多问题需要解决。 这份技术报告提出了两种基于目标函数的模糊聚类的扩展来处理这些问题。 首先，（点）原型扩展到超体积，其大小由被聚类的数据自动确定。 这些原型被证明对数据分布的偏差不太敏感。 其次，引入了通过在优化过程中评估集群之间的相似性来进行集群合并。 从数据中高估的簇数开始，在聚类过程中合并相似的簇以获得合适的数据分区。 引入了用于合并的自适应阈值。 将所提出的扩展应用于 Gustafson-Kessel 和模糊 c 均值算法，并给出了由此产生的扩展算法。 各种示例说明了新算法的特性。