论文部分内容阅读
模糊聚类分析是模糊模式识别范畴中的一个重要分支,是一种无监督的模式识别方法,在许多领域被广泛的应用。本文在对传统的模糊c-均值(FCM,Fuzzyc-means)聚类算法及其修改形式进行分析的基础上,针对现有的FCM类型的模糊聚类算法只能检测类内紧致、类间较好分离以及球形聚类子集,提出一种模式综合分析的新框架——模式分析自动机,使之可以处理不规则的检测,能更全面、更合理地分析无标记数据集。模式分析自动机的工作流程为:先进行聚类趋势检验,再进行聚类原型初始化,接着进行模糊聚类分析,再进行聚类有效性判决,最后进行聚类分析后处理。本文对每一工作流程都作了详细地分析,并通过相关的实验进行验证。其中在对模糊聚类分析时,除了提出基于原型的模糊c-均值聚类算法外,还对FCM算法的改进作了深层次的探讨,从改变度量方式、改变隶属度约束条件、引入信息熵、对类中心进行约束四方面分别详细阐述。