基于混合特征的模糊聚類技術研究.pdf

1、隨著信息技術和數據庫技術的迅猛發(fā)展，人們可以非常方便地獲取和存儲大量的數據.如何從大量的數據中快速提取有用的和感興趣的信息，成為海量信息處理面臨的瓶頸.聚類分析技術作為一種重要的數據挖掘技術，經過近十年快速發(fā)展，已被廣泛應用到人工智能、信息控制、醫(yī)療診斷、天氣預報、圖像分析等領域.
　　在傳統的研究中，人們一般總把樣本看作特征空間中的點，認為模式的特征由數值刻畫，因此主要的研究興趣放在分析數據集中蘊含的信息和揭示點集內在的自然結構

2、上，很少關心數據集的來源、表征形式及其他性質.實際上，在數據挖掘中我們經常會遇到這樣一個問題:隨著樣本集的擴大，聚類分析的計算量越來越大，那么，如何對樣本集有效的進行壓縮、表征，以加快聚類分析的速度成為一個值得研究的問題.針對這個問題，本文開展了積極的研究，致力于尋找一種有效的針對混合特征的聚類分析方法，主要取得了以下研究成果:
　　(1)提出了一種基于混合特征的模糊聚類方法.傳統聚類方法很少對數據特征之間的關系以及數據特征與聚類

3、結果質量進行分析度量，為此，我們深入研究了聚類一致性和聚類完全性的實現方法，并實現了一種有效的迭代計算方法.在此基礎，我們發(fā)展了一種基于混合特征的模糊聚類算法，該算法首先利用特征分析對大樣本集進行壓縮，然后通過基于混合特征的聚類一致性和聚類完全性迭代計算，對特征樣本展開有效的聚類分析，最后將有效的特征聚合在一起，形成了一種高效的基于混合特征的模糊聚類方法.
　　(2)開發(fā)了一個基于混合特征的模糊聚類可重用軟件模塊:圖像處理函數庫、

4、特征提取函數庫、圖像數據管理模塊和基于混合特征的模糊聚類分析模塊.該軟件模塊能夠很方便的增加各類數據特征的提取操作，并構建聚類一致性和聚類完全性的混合特征集合，可以應用到各種復雜大規(guī)模的數據聚類分析應用當中.
　　通過大量的數值仿真例子和實際遙感圖像處理例子，我們驗證了本文提出的基于混合特征的模糊聚類方法與傳統聚類方法相比是一種高效的方法;將該方法應用到遙感圖像處理中，可以從多個特征中篩選合適的特征，高效地進行遙感圖像的聚類分析.