科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前适用于犹豫模糊数据对象集的聚类算法研究仍然非常有限，现有的犹豫模糊数据对象集层次聚类算法受异常点影响较大且容易聚成链状.针对上述问题，本文首先提出了一种可扩展的犹豫模糊集的加权相似度计算方法，该方法不仅可以利用不同的函数计算相似度，而且可以根据实际问题构造最优的相似度函数.基于该加权相似度计算方法，结合经典的谱聚类算法提出了犹豫模糊数据对象集的谱聚类算法(SCHF).针对目前国内外还没有可用于犹豫模糊数据对象集聚类的标准数据集的现实情况，本文提出了一种确定性数据的犹豫模糊方法并在仿真实验中应用.仿真实验不仅验证了SCHF算法的有效性，而且表明SCHF算法比两种已知算法有更好的聚类效果.
- 单位
