论文部分内容阅读
特征加权是聚类算法中的常用方法，决定权值对产生一个有效划分非常关键。基于模糊集、粗糙集和阴影集的粒计算框架，本文提出计算不同簇特征权重的聚类新方法，特征权值随着每次迭代自动地计算。每个簇采用不同的特征权重可以更有效地实现聚类目标，并使用聚类有效性指标包括戴维斯-Bouldin指标（Davies-Bouldin,DB）、邓恩指标（Dunn, Dunn）和Xie-Beni指标（Xie-Beni, XB）分析基于划分的聚类有效性。真实数据集上的实验表明这些算法总是收敛的，而且对交叠的簇划分更有效，同时在噪声和异