第七篇模糊聚类的有效性.pdfVIP

模糊信息处理——理论与应用 第七章 模糊聚类的有效性 初始化、加权指数、聚类类数 对加权指数m 的研究 在模糊聚类目标函数 {J m : 1m ∞} 中，Bezdek （81 ）引入了加权指数 m ，使Dunn 的 聚类准则变成m 2 时的特例。从数学上看参数m 的出现不自然也没有必要 （Li 95 ），但是如 果不给隶属度乘一个权重，那么从硬聚类准则函数到模糊聚类目标函数的推广则是无效的。 参数 m 又称为平滑因子，控制着模式在模糊类间的分享程度 （Bezdek 81 ），因此，要实现模糊 聚类就必须选定一个合适的 m ，然而最佳m 的选取目前尚缺乏理论指导。 Bezdek 给出过一个经验范围1.1 ≤m ≤5 ；后又从物理解释上得出 m=2 时最有意义（76 ）； Chan 和 Cheung （92 ）从汉字识别的应用背景得出 m 的最佳取值应在 1.25~1.75 之间；Bezdek 和 Hathaway 等 （87 ）从算法收敛性角度着手，得出 m 的取值与样本数目n 有关的结论，建议 m 的取值要大于n (n −2) ；Pal 等 （95 ）则从聚类有效性的实验研究中得到m 的最佳选取区 间应为[1.5, 2.5]，在不做特殊要求下可取区间中值m=2 。 上述有关 m 的取值和范围，大都来自实验和经验，均为启发式的，既不够系统，也没有 给出具体的优选方法。此外，也还缺乏最优 m 的检验方法。这一系列的开放问题，都值得进 一步的探索，以便奠定 m 优选的理论基础。 聚类算法的性能是与数据集密切相关的，没有万能的聚类算法。这也是新的聚类算法层 出不穷的原因。聚类分析的最主要的缺陷是，不管所给数据集的结构如何，它总能将数据集 进行分类。因此，人们在运用聚类算法之前，需要对数据集的结构进行检测。由于我们面临 { } 的是无标签数据集，没有关于数据集的先验知识，对于要聚类的数据集X x , L,x ，需 1 n 要考虑下面三个问题。 无 标 签 数 据 集 断 言 数 据 集 是 否 有 聚 类 否: 停止 是 聚 类 否 1 第七章 模糊聚类的有效性 有 效 性 ? 图2 无标签数据集处理过程 问题 1：X 是否是随机的？即对于类数c （1c n ），X 是否有聚类结构。 问题2 ：如果X 有聚类结构，如何确定这个结构？ 问题3 ：一旦X 被聚类，如何确定聚类结果的有效性？ 问题 1 称之为“聚类趋势”，问题2 称之为“聚类分析”，问题 3 称之为“聚类有效性”。 图2 给出无标签数据集的处理过程。 关于“聚类趋势”问题，我们可以采用一定的技术来检测数据集是否是随机的。Jain 和 Dubes[60，200] ，Windham[185]，Smith[175]对这一问题有详细地叙述。 关于“聚类分析”问题，目前我们可以用硬聚类[62]，模糊聚类[14]和可能性聚类[129] 等聚类方法来确定数据集的聚类结构。但聚类分析的结果与所采用的数据密切相关，不同的 算法可能会产生不同的结果。关于不同算法的分类性能，已引起人们的关注，如 Hirota