改进的粗糙模糊和模糊粗糙K-均值聚类算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 改进的粗糙模糊和模糊粗糙 均值聚类算法 田大增 ，吴 静 TIAN Dazeng．WU Jing 1．河北大学 物理科学与技术学院，河北 保定 071002 2．河北大学 数学与计算机学院，河北 保定 071002 1．FacultyofPhysicsScienceandTechnology,HebeiUniversity,Baoding，Hebei071002，China 2．FacultyofM athematicsandComputerScience，HebeiUniversity，Baoding，Hebei071002，China TIAN Dazeng．W U Jing．Improvem entofroughfuzzyandfuzzyroughclusteringalgorithm．ComputerEngineer· ingandApplications，2014，50(17)：142-145． Abstract：Theshortcomingsoftheoriginalclusteringmethodsareanalyzed．Moreover，hteroughtheoryandfuzzytheory arecombinedtogether~TheimprovementofroughfuzzyK-meansclusteringalgorithm isgiven．A fuzzyroughK-means clusteringalgorithm isdesigned，andthevalidityoffuzzyroughK-meansclusteringalgorithm isverified．Theproposed clusteringalgorithmsareappliedtosupportvectormachine．Intheaboveapplications，thetrainingsamplesarepre-processed toreducethenumberofsamplesandimprovethetrainingspeedandtheclassificationaccuracy． Keywords：roughufzzyK-meanclustering；fuzzyroughK-meanclustering；suppo~vectormachine 摘 要：在分析归纳原有聚类方法不足的基础上，结合粗糙理论和模糊理论，给 出了改进的粗糙模糊 均值聚类算 法；设计 了新的模糊粗糙 均值聚类算法，并验证了该聚类算法的有效性；进而将这两种聚类算法应用到支持向量 机中，对训练样本做预处理，以减少样本数 目，提高了其训练速度和分类精度。 关键词：粗糙模糊 均值聚类；模糊粗糙 均值聚类；支持向量机 文献标志码：A 中图分类号：TP311．13 doi：10．3778~．issn．1002．8331．1210—0203 1 引言 可以比较容易地实现算法的求解过程。各种聚类算法 随着信息技术的迅猛发展和人们搜集数据能力的 已经在许多领域得到了广泛的应用，在图像处理中被应 日益增强，大量的数据库被用于商业管理、政府办公、科 用于图像分割 、图像增强、图像压缩等；在模式识别 学研究和工程开发等领域。因此数据挖掘(DataMining) 中，被用于语音识别、雷达 目标识别；此外还可以用于模 和知识发现技术应运而生 ，并得以蓬勃发展，越来越显 糊推理规则的建立、医学诊断 等。目前 ，对聚类算法的 示出其强大的生命力。数据挖掘已经引起 了人们的广 研究也不断深入 ，利用其已有算法的优势 ，改进其不足 ， 泛关注，成为国内外数据库和信息决策领域的最前沿研 提出了改进的粗糙模糊 均值聚类算法和粗糙模糊 究方向㈣。 均值聚类算法，使聚类算法更能反映客观世界。 聚类 是数据挖掘领域最为常用的技术之一。随着 支持向量机 (SupportVectorMachine，SVM) 是 计算机的发展和实际问题的需要，基于 目标函数的聚类