基于三角模糊數的不確定數據聚類算法研究.pdf

1、近幾年來，隨著互聯(lián)網信息技術不斷更新發(fā)展，對數據的海量快速存儲和分析提出了更高的要求，因此數據挖掘也得到了廣泛的關注和研究。
　　二十世紀以來，由于各種因素引起的不確定性問題，產生出一種新的數據類型—不確定數據。在實際系統(tǒng)中，隨著對結果精確度的要求不斷增高，不確定數據越來越嚴重地影響到了系統(tǒng)的可信度和穩(wěn)定性，所以研究不確定數據的聚類算法就顯得很有必要性。針對上述問題，本文做了相關研究和實驗，主要的工作和成果如下：
　　1.介

2、紹了數據挖掘、聚類、不確定數據聚類等綜述思想，介紹了國外的相關研究現(xiàn)狀并都有文獻依據，讓讀者有所聞有所了然。
　　2.在不確定數據聚類的大前提下，引進了三角模糊數表示的不確定數據，并經過仔細的分析比較且融合現(xiàn)有的一些理論依據，提出了新的三角模糊數的距離公式，為接下來的算法成型和擴展作了準備基礎，也給其他的相關研究提供了一個新的思路。
　　3.利用提出的新三角模糊數距離公式，結合基礎的K-means算法，形成一種新的不確定數據

3、聚類算法UTDK-means，該算法另辟蹊徑，具有時間復雜度小，聚類效果良好的優(yōu)點。
　　4.因為注意到模糊聚類特有的模糊劃分策略與不確定數據的不確定性有較好的契合度，所以嘗試將新三角模糊距離運用到經典的模糊聚類算法FCM算法中，形成了新的基于三角模糊數的不確定模糊聚類算法UTFCM算法，該算法也具有時間復雜度小，聚類效果良好的優(yōu)點。
　　5.由于FCM的特殊性，該算法中的模糊度參數m對算法運行結果有很大的影響力，并且目前為