一种基于密度的加权模糊均值聚类算法.pdfVIP

第 39卷 第 5期 计 算 机 科 学 Vo1．39No．5 2012年 5月 Computer Science M ay2O12 一 种基于密度的加权模糊均值聚类算法 李翠霞 史苇杭 李占波 (郑州大学软件技术学院 郑州 450002) 摘 要 针对当数据集合中的数据属性差异不明显时，传统的均值聚类算法会收敛到局部最小值点，造成算法聚类结 果不准、精度下降的问题，提 出了一种基于密度的加权模糊均值聚类算法。该算法通过计算差异属性类中的相关密 度，运用密度作为确定初始类中心的方法，得到了聚类效果更好的初始值。之后用加权模糊算法克服类划分中数据属 性差异不明显带来的弊端，对类中差异属性进行归类划分。实验结果表明，该算法依然可以区分出不同属性的重要程 度，而且其稳定性和聚类效果都有一定的提高。 关键词 聚类，模糊均值 ，属性加权 ，密度 ，误分类数 中图法分类号 TP391 文献标识码 A DensityBasedW eightedFuzzyClusteringAlgorithm LICui-xia SHIW ei-hang LIZhan-bo (SchoolofSoftwareTechnology，ZhengzhouUniversity，Zhengzhou450002，China) Abstract ThetraditionalclusteringalgorithmwillconvergetoalocalminimumpOintwhentheinitialobjects’attributes havenoobviousdifference。whichcancausethedeclineofalgorithms’accuracyandincorrectnessoftheresults．Inor— dertOovercomethesedrawbacks，adensitybasedweightedfuzzyc-meanclusteringalgoritmh wasproposed．Itusedthe resultsofthecalculationoftherelativedensitydifferencesattributestodeterminetheinitialpartition．Afterobtaining thebetterinitialcenters，aweightedfuzzyalgorithm whichcandistinguishtheimportanceofeachattributewasimple— mented．Experimentalresultsshow thatthealgoritmh notonlycandiscriminatetheattributes’contribution，butalso canimprovethestabilityandaccuracy． Keywords Clustering，FuzzyC-mena s，Attributeweighted，Density，Numberofmisclassification 严重的数据进行分类，成为一个难题。 1 引言 针对这一问题，提出一种基于密度的加权模糊均值聚类 聚类分析是一种无监督的学习，其 目的是按照某种规则 算法[5]。通过计算数据中的数据相关密度，克服属性一致 将包含大量数据点的集合划分为若干类，使得同一类中的数 带来的弊端 ，对初始类中心进行优化。将差异属性类中的相 据尽可能相似，不同类中的数据尽可能相异。目前，聚类分析 关密度计算结果作为确定初始类中心的依据，得到了聚类效 已广泛应用于机器学习、模式识