不同Vague集相似度量直接聚类算法比较  

Comparison of direct clustering algorithms based on different Vague sets similarity measure

作　　者：刘盛辉[1] 王伟[2] 彭进业[2] 

机构地区：[1]西安邮电大学物联网与两化融合研究院,西安7100061 [2]西北大学信息科学与技术学院,西安710127

出　　处：《中国科技论文》2013年第1期41-45,共5页China Sciencepaper

基　　金：高等学校博士学科点专项科研基金资助项目(20096102110025);国家自然科学基金资助项目(61075014)

摘　　要：在智能系统的研究与开发中,聚类分析是一个非常重要的问题。针对新的以Vague集的相似度量为评价准则的直接聚类算法,采用不同的Vague集相似度量公式进行聚类分析。实验结果表明,基于Vague集相似度量的直接聚类算法是有效的,并且不同Vague集相似度量的直接聚类算法聚类效果基本相同,但具体聚类步骤差别较大。在具体应用中要根据实际情况选择使用。Clustering analysis is very important in the research arid development oI m^emgcucc ~y~ L ~, algorithm with Vague sets similarity measure as evaluation criteria, we employ different Vague sets similarity measure formulas to carry out clustering analysis. Experimental results show that the direct clustering algorithms based on Vague sets similarity measure are effective, and clustering results of different algorithms are basically the same, but differ much in clustering steps. We should select the algorithms properly taking into account the practical situation in applications.

关 键 词：VAGUE集 相似度量 聚类 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]