模糊聚类理论发展及其应用Read.PDFVIP

中国体视学与图像分析　1999 年 6 月　第4 卷　第 2 期 CHINESE JOURNAL OF STEREOLOGY AND IMAGE ANALYSIS Vol. 4 , No. 2 　June 　1999 1·13 · 　综　述　 模糊聚类理论发展及其应用 1 2 2 谢维信 　高新波 　裴继红 ( 1 深圳大学 　深圳 　518060 　2 西安电子科技大学电子工程学院 　西安 　710071) 　　聚类分析是一种数据划分或分组处理的重要手 这些方法均不能奏效。实际中受到普遍欢迎的是基 段和方法。其操作的目的在于将特征空间中一组没 于目标函数的聚类方法 , 它具有设计简单、解决问 有类别标记的矢量按某种相似性准则划分到若干个 题的范围广 , 最终可以归结为优化问题等优点。因 子集中 , 使得每个子集代表整个样本集的某个或者 此随着计算机的发展 , 该方法成为模糊聚类分析的 某些特征和性质。从这个意义上讲 , 聚类又称为无 主要手段。 监督的分类。 基于目标函数的模糊聚类方法首先由 Ruspi 传统的聚类分析把每个样本严格地划分到某一 ni [1 ]提出 , 但真正有效的算法 —模糊 C均值算法却 类 , 属于硬划分的范畴。实际上 , 样本并没有严格 是由 Dunn[8 ] 给出的。Bezdek[9 ] 又将其进一步扩展 , 的属性 , 它们在性态和类属方面存在着中介性。随 建立起模糊聚类理论。从此 , 该类模糊聚类蓬勃发 着模糊集理论的提出 , 硬聚类被推广为模糊聚类。 展起来 , 目前已形成庞大的体系。下面从七个方面 在模糊聚类中 , 每个样本不再仅属于某一类 , 而是 对该体系进行评述。 以一定的隶属度分属于每一类。换句话说, 通过模 11 　收敛性和停止准则的研究 糊聚类分析 , 得到了样本属于各个类别的不确定性 1987 年 Tucker[10 ] 指出 Bezdek[11 ] 的模糊 C均值 程度 , 即建立起了样本对于类别的不确定性的描 聚类算法收敛性的结论有误 , 认为算法有可能收敛 述 , 这样就能更准确地反映现实世界。 到鞍点 , 并举例说明鞍点的存在。Bezdek 及其合作 在 Ruspini 和 Bezdek 等学者的努力下 , 模糊聚 者们[12～14 ]对收敛性问题作了重新研究 , 给出了正 类逐步成为聚类分析研究的主流。八十年代后 , 其 确的表述。Selim 等[15～17 ]对模糊聚类算法的收敛性 研究主要集中在 : ( 1) 模糊聚类新方法研究 ; (2) 也进行了深入的研究 , 并对算法的停止准则作了细 模糊聚类算法的实现途径 ; (3) 聚类有效性研究 ; 致的讨论[15 ] 。考虑到数据集的概率分布 , Sabin[18 ] (4) 聚类的实际应用等四个方面。 和 Yang[19 ]从更一般的意义上对模糊聚类算法的收 以下就这四个方面综述模糊聚类的研究进展, 敛性进行了分析。收敛性问题的解决对模糊聚类理 并指出进一步研究的主要方向。 论的发展有着重要的意义。 12 　模糊聚类目标函数的构造研究 1 　模糊聚类新方法研究进展 模糊 C均值算法的目标函数是基于类内最小 第一个系统地研究模糊聚类的是