模糊聚类理论发展及研究摘要从模糊聚类准则函数的演化、算法实现的途径、有效性度量方式以及在模式识别与图像处理中的应用等4个方面对模糊聚类理论的研究进展做了综述和评价,指出模糊聚类进一步研究的几个重要方向及其应用前景. 关键词聚类分析模糊聚类聚类有效性模式识别图像处理聚类就是按照事物间的相似性进行区分和分类的过程,在这一过程中没有教师指导,因此是一种无监督的分类. 聚类分析则是用数学方法研究和处理所给定对象的分类. “人以群分,物以类聚”,聚类是一个古老的问题,它伴随着人类社会的产生和发展而不断深化,人类要认识世界就必须区别不同的事物并认识事物间的相似性[1]. 传统的聚类分析是一种硬划分,它把每个待辨识的对象严格地划分到某个类中,具有非此即彼的性质,因此这种分类的类别界限是分明的. 而实际上大多数对象并没有严格的属性,它们在性态和类属方面存在着中介性,适合进行软划分. Zadeh[2]提出的模糊集理论为这种软划分提供了有力的分析工具,人们开始用模糊的方法来处理聚类问题,并称之为模糊聚类分析. 由于模糊聚类得到了样本属于各个类别的不确定性程度,表达了样本类属的中介性,即建立起了样本对于类别的不确定性的描述,能更客观地反映现实世界,[3]提出,利用这一概念人们提出了多种聚类方法,比较典型的有:基于相似性关系和模糊关系的方法(包括聚合法和分裂法)
模糊聚类理论发展及研究毕业论文 来自淘豆网www.taodocs.com转载请标明出处.