论文部分内容阅读
模糊聚类算法(FCM)是聚类分析的重要算法之一,该算法聚类过程简单,容易实现,得塑到了广泛的应用。FCM算法通常之能用于完整数据集的模糊聚类分析,对于不完整数据集的聚类问题却是力不从心。·然而,在许多实际问题中,由于各种原因会导致数据的缺失。产生不完整数据集。因此,研究不完整数据集的聚类问题其有重要的意义。本文主要研究不完整数据集合的模糊聚类算法,针对最佳完整策略算法(OCSFCM)和最近邻模型策略算法(NPSFCM)的不足之处进行改进,结合TLBO算法选择最佳初始类中心,本文的主要内容包括:(1)由于最佳完整策略算法(OCSFCM)对初始类中心的选择十分敏感,本文将“教与学”优化算法(TLBO)和OCSFCM算法相结合,利用TLBO算法对不完整数据集的初始类中心进行优化,建立了不完整数据集的TLBO-OCSFCM聚类算法。(2)由于使用最近邻模型策略算法(NPSFCM)进行聚类时,初始类中心的选取对聚类效果有很大的影响,本文将“教与学”优化算法和NPSFCM算法相结合,先对不完整数据集的初始类中心进行优化,然后对不完整数据集进行模糊聚类,从而建立了不完整数据集的TLBO-NPSFCM聚类算法,优化了聚类效果。(3)将本文建立的TLBO-OCSFCM算法和TLBO-NPSFCM算法应用于UCl数据库中的Iris和Wine数据集进行实证分析,分析结果表明TLBO-OCSFCM算法和TLBO-NPSFCM算法的聚类效果分别比OCSFCM算法和NPS FCM算法的聚类效果有明显的提升;同时，将TLBO-OCSFCM算法和TLBO-NPSFCM算法的聚类效果进行了对比,发现TLBO-OCSFCM算法的聚类效果比TLBO-NPSFCM算法的聚类效果更优一些。