数据挖掘中wasserstein测度区间数据模糊聚类研究.pdfVIP

网络出版时间：2012-01-05 17:04 网络出版地址：/kcms/detail/11.2127.TP1704.005.html 计算机工程与应用 数据挖掘中wasserstein 测度的区间数据模糊聚类研究 李红 孙秋碧 LI Hong SUN qiubi 福州大学管理学院统计系，福建 福州 350108 Department of Statistics, Fuzhou University of Management college, Fujian, Fuzhou 350108 Email: fdgylh@ Fuzzy clustering of interval data based on wasserstein distances in data mining Abstracts: Becauses of the limitations of the in-use distance in fuzzy clustering models for interval data , the author put forwards the wasserstein distances into interval data , and get the adaptive single-index and adaptive double-index fuzzy clustering models. From the simulation results and CR index,we proved the advantages of the model. The model has strong meanings in empirical work when data is unstable and missing. Key words: fuzzy clustering ; interval data; symbolic data analysis; adaptive 摘要：针对 目前区间数据模糊聚类研究中区间距离定义存在的局限性，引入能够考虑区间数值分布特征 的wasserstein 距离测度，提出基于 wasserstein 距离测度的单指标和双指标自适应模糊聚类算法及迭代模 型。通过仿真实验和 CR 指 ，证实了该类模型的优势。该算法在海量、堆积如山的数据挖掘中有着重 要的实践意义。 关键词：模糊聚类；区间数据 ；符号数据分析 ；自适应 中图分类号：TP181 文献标识码：A 1SDA(Symbolic Data Analysis)是知识发现及数据管理研究中的新领域，与多维数据分析、模式识别 及人工智能紧密联系在一起。它的目的在于针对符号数据的特点选用合适的方法对其进行分析，挖掘 据中的隐含信息。模糊聚类是模糊模式识别范畴中的重要分支，是一种无监督的模式识别方法，在许多 领域被广泛地应用。目前，国际学术界SDA 体系模糊聚类研究方法大体上分以下几种：基于相似关系的 聚类方法、基于目标函数的聚类方法、基于模糊关系的传递闭包、聚类神经网络和基于先进的优化算法 的聚类方法。随着计算机的发展 基金项目：国家社科基金 《服务业核算的数据、测度与实证研究》（基金编号：10BTJ002） 作者简介：李红，（1980—）女，在读博士研究生，