摘要
针对具有实数值、区间数和自然语言等形式的混合多指标信息的聚类分析问题,基于传统的数值信息FCM聚类算法,提出了一种新的聚类分析算法。在该方法中,首先描述了具有混合多指标信息的聚类分析问题,提出了基于混合多指标信息的关于确定最优划分和最优聚类中心的两个定理,然后给出了基于混合多指标信息的FCM聚类算法的迭代步骤。最后给出了一个算例。
Aiming at the clustering analysis problems with mixed attribute information such as real number, interval number and natural language, a new clustering analysis algorithm is proposed, which is the extension of the traditional FCM clustering algorithm. The clustering analysis problems with mixed attribute information are introduced. Then two theorems for determining the optimal partition and the optimal clustering center are given. And the iterative steps of the FCM clustering algorithm are presented. Finally, an example is given to show the applicability of the proposed FCM clustering algorithm.
出处
《系统工程》
CSCD
北大核心
2006年第10期6-10,共5页
Systems Engineering
基金
国家杰出青年科学基金资助项目(70525002)
国家自然科学基金资助项目(7037105070301008)
教育部高等学校优秀青年教师教学科研奖励计划资助项目(教人司[2002]123)
国家教育部高等学校博士学科点专项科研基金资助项目(20040145018)
辽宁省博士启动基金资助项目(20041019)
东北大学流程工业综合自动化教育部重点实验室资助项目
关键词
聚类分析
混合多指标信息
FCM聚类算法
迭代
Clustering Analysis
Mixed Attributes Information
FCM Clustering Algorithm
Iterative
