基于不確定性信息的聚類分析方法研究.pdf

1、所謂聚類是指按照事物的某些屬性，把事物聚集成類，使類間的相似性盡量小，類內(nèi)相似性盡量大的一個(gè)無監(jiān)督學(xué)習(xí)過程。聚類分析在經(jīng)濟(jì)管理及工程等許多領(lǐng)域有大量的實(shí)際背景。在聚類分析中，如果聚類信息(一般指聚類對(duì)象特征指標(biāo)值或相似矩陣以及指標(biāo)權(quán)重)是精確數(shù)值的，那么相關(guān)的聚類分析方法具有十分豐富的研究成果。但在許多實(shí)際問題中，由于被聚類的信息估計(jì)不精確或測(cè)量的誤差以及人為判斷等原因，常常以區(qū)間數(shù)、三角模糊數(shù)、語(yǔ)言短語(yǔ)以及不完全信息等這些不確定性信息

2、的形式出現(xiàn)。因此，針對(duì)具有不確定性信息的聚類分析方法進(jìn)行研究，無論是在理論方面，還是在應(yīng)用方面，都具有重要的意義。為此，本文針對(duì)具有不確定性信息的聚類分析問題，進(jìn)行了相應(yīng)的理論與方法研究，主要工作概括如下：(1)提出了基于區(qū)間數(shù)信息的模糊聚類分析方法。具體地，包括基于風(fēng)險(xiǎn)態(tài)度因子的區(qū)間數(shù)聚類分析方法、基于區(qū)間數(shù)多指標(biāo)信息的FCM聚類算法和基于區(qū)間數(shù)多指標(biāo)信息的最大樹聚類分析方法。 (2)提出了基于三角模糊數(shù)信息的模糊聚類分析方法

3、。具體地，包括基于三角模糊數(shù)多指標(biāo)信息的FCM聚類算法和基于三角模糊數(shù)多指標(biāo)信息的最大樹聚類分析方法。 (3)提出了具有不確定性語(yǔ)言評(píng)價(jià)信息的多指標(biāo)聚類分析方法。包括給出了基于語(yǔ)言評(píng)價(jià)信息的FCM聚類算法和分別將語(yǔ)言評(píng)價(jià)信息轉(zhuǎn)化為二元語(yǔ)義或三角模糊數(shù)的形式后的編網(wǎng)聚類法。此外針對(duì)群體語(yǔ)言評(píng)價(jià)信息分別提出了基于群體語(yǔ)言相似矩陣的群聚類方法和基于特征指標(biāo)語(yǔ)言評(píng)價(jià)信息的最大樹群聚類方法。 (4)提出了具有多指標(biāo)信息不完全的聚類