一种新的模糊C均值聚类算法

传统的模糊C均值聚类算法及其变型在聚类过程中都假设所有的属性对聚类贡献相同,所以很难发现隐藏在部分属性中的类结构,也难以识别出重要属性.在实际应用中,噪声属性较为常见,并且会影响正常的聚类过程.鉴于以上原因,提出了一种新的基于属性加权的模糊C均值聚类算法,通过对人工数据和实际数据的聚类测试结果,证实了该算法的有效性.     

Web使用记录挖掘的研究

Internet的发展给传统的数据挖掘领域提出了很多新的研究课题.Web挖掘技术就是传统的数据挖掘技术与计算机网络技术的结合.Web使用记录挖掘是从日志文件中挖掘出有用的信息,这些信息可以帮助站点设计者设计站点和服务,有益于商业网站开展有针对性的电子商务活动.介绍了Web挖掘的概念和分类,说明了Web使用记录挖掘的过程和意义,并指出了Web使用记录挖掘的研究趋势.     

属性加权FCM算法的参数选择规则

属性加权FCM算法可在算法迭代过程中求出各属性的权值,并不影响算法本身的执行效率,可发现隐藏在部分属性中的类结构,提高分类准确率。鉴于参数对算法性能的影响,本文对该算法的目标函数进行了理论分析,通过严格的公式推导之后,给出了算法的参数选择规则。经实验证明,该规则对于属性加权FCM算法的参数选择有一定的指导作用。