基于互包含度的数据分类效果评价研究  

Study on Evaluating Data Classifying Quality Based on Mutual Subsethood

作　　者：吴成茂[1] 范九伦[1] 

机构地区：[1]西安邮电学院信息与控制系,西安710061

出　　处：《计算机科学》2005年第1期159-161,共3页Computer Science

基　　金：国家自然科学基金(批准号:69972041)

摘　　要：针对模糊C-均值聚类算法对初始化分类参数的选择比较敏感而导致分类结果差异性较大的不足,提出了基于互包含度的有效性函数进行数据分类效果好坏的评价。实验结果表明,本文定义的分类效果评价方法是可行的。Based on the shortage of fuzzy c-means algorithm which initialized classification parameter is sensitivity to data classifying quality,and different initialized classification parameters generate classifying result with bigger other- ness. A new evaluating criterion based on mutual subsethood puts forward to assess data classifying quality in this pa- per. Experimental results show that an evaluating criterion proposed in this paper is feasible.

关 键 词：互包含度 数据分类 效果评价 模糊C-均值聚类算法 非监督模式识别方法 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]