基于差异度多维模糊聚类.pdfVIP

基于差异度的多维模糊聚类 左保河冯珊周凯波 (华中科技大学系统工程研究所，武汉430074) E—mail：zuobaohe@263．net 摘要在教据挖掘过程中，对手雏敷据进行采类分析是非常越要的，该文通过对多革敷据之间模糊关系的分布特性分 析，提出了基于差异度的遥雏模糊聚类算法DBMFCA，通过逢步递推计算收敛到稳定的模糊聚妻模式。算法已应用在金 融危机顸警系统中。 美键词 敷据挖掘差异度金融危机 蒙类分析 文章编号1002-8331一(2001)19—0058-03文献标识码A 中圈分类号TP301．6 DifferenceMeasure-basedMultidimensional Cluster Fuzzy ZuoBaohe ShallZhouKaibo Feng of Science (Institute of and 430074) systemengineering，HuazhongUniversity Technology，Wuhan Abstract：Indata cluster about is this miningapplications．theanalysis multidimensionaldataverynecessary．Inpaper distributedattributioninnmlddimensionaldifferencemeasure—based by fuzzy data，a multidimensional analysing algo- rithmwithfI】Ⅲclusteris and infinaacialcrisis pmposedapplied prediction Keywords：data llqeastll_e．finaneiMcrisis，cluster mining，difference analysis 1引言 按照挖掘前后的知识描述模式关联规则可分为确定性关联规 数据挖掘(Data 则和模糊性关联规则。由于客观世界的多样性和复杂性，许多 Mining)是指从数据库中提取隐含的、未 知的、对决策有潜在价值的知识和规则的过程。自1995年以系统很难用精确的和确定性的概念来表示，特别是对于连续性 来，国内外对数据采掘的研究已成为计算机领域的一个热门课 数据来说用模糊聚类描述是比较合适的。 题。在数据挖掘中，对数据进行聚类分析(clusteranalysis)是必 对客观世界的模糊处理需采取以下步骤：旨先是对数据进 要的处理过程。聚类分析是指对数据按相似性进行分组．从而 行模糊化处理，然后根据模糊值采用数据挖掘的方法束发现内 用来发现教据分布的特性。常用的聚类方法有成份分析法 在规则，最后通过反模糊化生成用户模式的语言描述。 (PCA)、多维缩放法(Multidimensional 为了在多维数据集中发现模糊知汉，需要对数据进行模糊 scaling)和自