CAJ | 학술논문

传统的聚类算法都是使用硬计算来对数据对象进行划分,然而现实中不同类之间对象通常没有明确的界限.粗糙集理论提供了一种处理边界对象不确定的方法.因此将粗糙理论与k-均值方法相结合.同时,传统的k-均值聚类方法必须事先给定聚类数k,但实际情况下k很难确定;另外虽然传统k-均值算法局部搜索能力强,但容易陷入局部最优.遗传算法能得到全局最优解,但收敛过快.鉴于此,提出了一种改进的基于遗传算法的的粗糙聚类方法.该算法能动态地生成k-均值聚类数,采用最大最小原则生成初始聚类中心,同时结合粗糙集理论的上近似和下近似处理边界时象.最后,用UCI的Iris数据集分别对算法进行实际验证.实验结果表明,该算法具有较高的正确率,综合性能更加稳定.
전통적취류산법도시사용경계산래대수거대상진행화분,연이현실중불동류지간대상통상몰유명학적계한.조조집이론제공료일충처리변계대상불학정적방법.인차장조조이론여k-균치방법상결합.동시,전통적k-균치취류방법필수사선급정취류수k,단실제정황하k흔난학정;령외수연전통k-균치산법국부수색능력강,단용역함입국부최우.유전산법능득도전국최우해,단수렴과쾌.감우차,제출료일충개진적기우유전산법적적조조취류방법.해산법능동태지생성k-균치취류수,채용최대최소원칙생성초시취류중심,동시결합조조집이론적상근사화하근사처리변계시상.최후,용UCI적Iris수거집분별대산법진행실제험증.실험결과표명,해산법구유교고적정학솔,종합성능경가은정.