模糊聚类分析与模式识别.pptVIP

聚类分析的基本概念 “聚类”就是按照一定的要求和规律对事物进行区分和分类的过程, 在这一过程中没有任何关于分类的先验知识, 仅靠事物间的相似性作为类属划分的准则, 属于无监督分类的范畴。 “聚类分析”是指用数学的方法研究和处理给定对象的分类。 “人以群分, 物以类聚”, 聚类是一个古老的问题,它伴随着人类社会的产生和发展而不断深化, 人类要认识世界就必须区别不同的事物并认识事物间的相似性。 聚类分析的基本概念 聚类分析是多元统计分析的一种, 它把一个没有类别标记的样本集按某种准则划分成若干个子集(类), 使相似的样本尽可能归为一类, 而不相似的样本尽量划分到不同的类中。 传统的聚类分析是一种硬划分, 它把每个待辨识的对象严格地划分到某类中, 具有非此即彼的性质, 因此这种类别划分的界限是分明的。而实际上大多数对象并没有严格的属性, 它们在性态和类属方面存在着中介性, 具有亦此亦彼的性质,因此适合进行软划分。 聚类分析的基本概念 模糊集理论的提出为软划分提供了有力的分析工具, 用模糊数学的方法来处理聚类问题, 被称之为模糊聚类分析。由于模糊聚类得到了样本属于各个类别的不确定性程度, 表达了样本类属的中介性, 更能客观地反映现实世界, 从而成为聚类分析研究的主流。 模糊聚类已经在诸多领域获得了广泛的应用, 如模式识别、图像处理、信道均衡、矢量量化编码、神经网络的训练、参数估计、医学诊断