基于模糊聚类算法中FCM算法.ppt

基于模糊聚类算法中FCM算法 的改进研究 Yunnan universit Department of Computer Science Lei zhiming 2008-05-13  目录 聚类分析的介 模糊聚类算法 JFC算法的介绍 糊c均值类型聚类算法研究现状 对FCM算法改进的可行性 对FCM算法改进的想法 参考文献 013-44  类分析的介绍 随着数据挖掘硏究领域技术的发展,作为数据 挖掘主要方法之一的聚类算法,也越来越受到 人们的关注。聚类分析是数据挖掘研究和应 用中一个重要的部分 类是一种常见的数据分析工具,其目的是把 大量数据点的集合分成若干类,使得每个类中 的数据之间最大程度地相似,而不同类中的数 据最大程度地不同 在多媒体信息检索及数据挖掘的过程中,聚类 处理对于建立高效的数据库索引、实现快速 進确的信息检索具有重要的理论和现实意义  聚类分析的介绍 果类的要求 数据挖掘的聚类一般是针对大数据集而言的,因此在数据挖掘 类方法的比较应该满足以下要 1)可伸缩性。算法在满足小数据集的同时能否满足大数据集、 高复杂性、高增量的要 2)处理不同类型属性的能力。算法在处理数值类型数据的同 时能否处理其他的数据类型,如二元类型、分类/标称型、序数 三型及混合数据类型 3)发现任意形状的类 4)用于决定输入参数的领域知识最小化。 5)处理噪声数据的能力。 6)对输入数据顺序的敏感性。算法能否与输入顺序无关 刁)处理高维数据的能力。算法在应付低维数据的同时能否处 2喜维空间的非常稀疏、高度偏斜的数据。  聚类分析的介绍 聚类算法分类 聚类算法的分类有多种标准,其中有按聚类标 准,聚类处理的数据类型,聚类尺度,以及聚 分析的思路等。这里我们按照聚类基本思想 来划分,将其分为五类:层次聚类算法、分割 聚类算法、基于约束的聚类算法、机器学习中 的聚类算法以及用于高维数据的聚类算法,如 下页图所示。 013-44