混合尺度聚类模型收敛性分析及仿真

针对被分类对象属性多样性的客观实际,分析使用单一间隔尺度或名义尺度进行聚类的局限性,并提出一种混合尺度聚类模型。新模型以明氏距离及翻转距离为基础,引入混合尺度。利用下准则函数及逐步聚类算法可证新模型的收敛性。以某小区保安预警系统的采样数据为例,运用Matlab软件对新模型进行仿真验证,结果表明,新模型可应用于被分类对象具有多种特征属性的聚类问题。

基于改进的模糊C-均值的分级递减聚类算法

提出了基于改进的模糊C-均值的分级递减聚类算法,利用改进的模糊C-均值聚类算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类数数据集的聚类。实验结果表明,本算法对未知类数、具有高斯分布的数据集具有聚类效果好、收敛快的特点,且对于类数较多的数据集,本算法也是一种快速聚类算法。