基于模糊C-均值的增量式聚类算法.pdfVIP

维普资讯 156 微电子学与计算机 2007年第24卷第6期 基于模糊 C一均值的增量式聚类算法 王洪春 1,2彭 宏 (1华南理工大学计算机科学与工程学院，广东 广州510641； 2重庆师范大学数学与计算机科学学院，重庆400047) 摘 要：给出了一种新的基于FCM 的聚类算法，能根据 由数据的分布的特性 自动获取要聚类的数 日，在新增数据 后，可以进行增量式聚类，结果对孤立点不敏感，并能完成FCM不具备的非球型或椭球型分布的数据集的聚类，实 验结果显示算法 的有效性和优越性。 关键词：数据挖掘；模糊C一均值算法；增量式聚类算法 中图分类号 TPI8 文献标识码 ：A 文章编号：1000-7180(2007)06-0156-02 IncrementalClusteringAlgorithm BasedonFCM WANG Hong—chun ，PENG Hong~ (1Dept．ofComputerandEngeering，SouthChinaUniversityofTechnology，Gunagzhou510641，China； 2Dept．ofMahtematicsnadComputerScience．ChongqingNormalUniversiyt，Chongqing400o47，China) Abstract：A new clusteringalgorihtm basedonFCM ispresented．Itcallobtainhtenumberautomaticallyaccordingto htedistributioncharacteristicofdaat set，na ditCna realizeincrementalclustering，hteresultisnotsensitivetooutlier,it canaccomplishclusteringof notspherical orelliptical daat sethtathteFCM don’tpossess．Experimentalresultsshow htenew algorihtm iseffectivenadadvnatageous． Keywords：datamining；fuzzyc—menasalgorihtm；incrementalclusteringalgorihtm 1 引言 过 FCM算法确定所要聚类的类数，用FCM进行聚 数据挖掘 (DataMining)就是从大量的、不完全 类 ：然后把新增的数据集 (或者前面数据集取样后 的、有噪声的、模糊的、随机的数据 中发现隐含的、 剩余的数据)在已聚好的类上进行聚类。这种聚类 先前末知的、对决策有潜在价值的规则的过程[11。数 方法既可充分利用 FCM算法的优势，又可有效的 据挖掘领域的研究 已经取得 了相当丰硕 的成果 ，带 避免FCM 的缺陷。同时还可以实现数据增量式的 来了巨大的效益 。 聚类更新挖掘。 聚类 ．就是将物理或抽象对象的集合组成为由 类似 的对象组成的多个类或簇 (Cluster)的过程 ，由 2 FCM 算法 聚类所生成的簇是一组数据对象的集合，同一簇中 设 ：{1，2，…，)为n元数据集合，施∈R。 的对象尽可能相似 ．而不同簇 中的对象尽可能相 F：CM聚类方法就是把 划分为 c个子集 5，5：，…， 异 。在数据挖掘中。聚类分析能作