论文部分内容阅读
提取区间型数据的特征值,给出适用于区间型数据模糊聚类的FCM算法族(IFCM).该算法适用于不同特征样本数据的模糊聚类运算,并可对聚类结果进行优化.聚类效果的仿真比较表明,IFCM聚类的平均失真度比基于欧氏距离的FCM聚类算法低6.81%.由于距离定义的合理性,IFCM可以根据区间型数据的不同特点调整特征值的聚类权重,并推广至多维类型数据的模糊聚类.