一种基于属性分解的FCM 融合聚类算法 - 计算机应用与软件.PDF

第３０卷第８期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．８ ２０１３年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１３ 一种基于属性分解的ＦＣＭ融合聚类算法 李 玲 俐 （广东司法警官职业学院　广东广州５１０５２０） 摘　要　　针对传统模糊Ｃ均值聚类算法只能发现“类球状”簇和对分量属性数据敏感的缺点，提出一种基于ＦＣＭ的属性分解聚 类再融合的分类算法。该算法将信息融合的思想应用于聚类算法，先在每个分量属性维度进行聚类，然后对各属性的聚类结果进行 融合分析并得到聚类结果。独立对每个分量属性聚类的思想为算法的并行实现提供便利。实验结果表明，该算法不但能有效提高 聚类的准确度，而且不需要提前对数据进行归一化处理，在分量属性量测数据存在偏差时仍然表现出良好的鲁棒性。 关键词　　模糊Ｃ均值聚类　信息融合　数据预处理　属性分解 中图分类号　ＴＰ３９１．４２　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０８．０１８ ＡＦＣＭＦＵＳＩＯＮＣＬＵＳＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＡＴＴＲＩＢＵＴＥＤＥＣＯＭＰＯＳＩＴＩＯＮ ＬｉＬｉｎｇｌｉ （ＧｕａｎｇｄｏｎｇＪｕｓｔｉｃｅＰｏｌｉｃｅＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅ，Ｇｕａｎｇｚｈｏｕ５１０５２０，Ｇｕａｎｇｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｉｍｉｎｇａｔｔｈｅｄｅｆｉｃｉｅｎｃｉｅｓｏｆｔｒａｄｉｔｉｏｎａｌｆｕｚｚｙｃｍｅａｎｓ（ＦＣＭ）ｃｌｕｓｔｅｒｉｎｇｔｈａｔｉｔｃａｎｏｎｌｙｆｉｎｄｂａｌｌｌｉｋｅｃｌｕｓｔｅｒｓａｎｄｉｓｓｅｎｓｉｔｉｖｅ ｔｏａｔｔｒｉｂｕｔｅｄａｔａｏｆｃｏｍｐｏｎｅｎｔｓ，ａｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｏｆＦＣＭｂａｓｅｄａｔｔｒｉｂｕｔｅｄｅｃｏｍｐｏｓｉｔｉｏｎｃｌｕｓｔｅｒｉｎｇｒｅｆｕｓｉｏｎ（ＦＦＢＡＤ）ｉｓｐｒｏｐｏｓｅｄｉｎ ｔｈｉｓｐａｐｅｒ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｉｎｔｒｏｄｕｃｅｓｔｈｅｉｄｅａｏｆｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｔｏｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ｍａｋｅｓｃｌｕｓｔｅｒｉｎｇｏｎａｔｔｒｉｂｕｔｅｄｉｍｅｎｓｉｏｎｏｆｅｖｅｒｙ ｃｏｍｐｏｎｅｎｔｆｉｒｓｔ，ａｎｄｔｈｅｎｆｕｓｅｓａｎｄａｎａｌｙｓｅｓｔｈｅｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｓｏｆｅａｃｈａｔｔｒｉｂｕｔｅｔｏｙｉｅｌｄｔｈｅｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔ．Ｔｈｅｉｄｅａｏｆｃｌｕｓｔｅｒｉｎｇｔｈｅ ａｔｔｒｉｂｕｔｅｏｆｅａｃｈｃｏｍｐｏｎｅｎｔｉｎｄｅｐｅｎｄｅｎｔｌｙｍａｋｅｓｉｔｃｏｎｖｅｎｉｅｎｔｉｎｐａｒａｌｌｅｌｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓ ａｌｇｏｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｃｌｕｓｔｅｒｉｎｇａｃｃｕｒａｃｙ，ａｎｄｄｏｅｓｎｏｔｎｅｅｄｔｏｐｅｒｆｏｒｍｎｏｒｍａｌｉｓｅｄｐｒｏｃｅｓｓｉｎｇｏｎｄａｔａｉｎａｄｖａｎｃｅ．Ｍｏｒｅｏｖｅｒ，ｉｔｃａｎａｌｓｏ ｄｅｍｏｎｓｔｒａｔｅｇｏｏｄｒｏｂｕｓｔｎｅｓｓｗｈｅｎｔｈｅｄｅｖｉａｔｉｏｎｅｘｉｓｔｓｉｎｍｅａｓｕｒｉｎｇｄａｔａｏｆｃｏｍｐｏｎｅｎｔａｔｔｒｉｂｕｔｅ． Ｋｅｙｗｏｒｄｓ　　ＦＣＭｃｌｕｓｔｅｒｉｎｇ　Ｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ　Ｄａｔａｐｒｅｐｒｏｃｅｓｓ　Ａｔｔｒｉｂｕｔｅｄｅｃｏｍｐｏｓｉｔｉｏｎ 的有效性。 ０　引　言 １　模糊Ｃ均值聚类 聚类是将物理或抽象对象的集合分解成多个类或簇的过 程，它要求同一簇中的数据对象尽可能相似，不同簇中的数据对 模糊Ｃ均值算法使用最小化加权均方差的思想，根据贴近 象