摘  要： 針對模糊C均值（FCM）算法聚類數需要預先設定的問題，提出了一種新的模糊聚類有效性指標。首先，計算簇中每個屬性的方差，給方差較小的屬性賦予較大的權值，給方差較大的屬性賦予較小的權值，得到一種基于屬性加權的FCM算法；然后，根據FCM改進算法得到的隸屬度矩陣計算類內緊致性和類間分離性；最后，利用類內緊致性和類間分離性定義一個新的聚類有效性指標。實驗結果表明，該指標可以找到符合數據自然分布的類的數目?；趯傩约訖嗟腇CM算法可以識別不同屬性的重要程度，增加聚類結果的準確率，使用FCM改進算法得到的隸屬度矩陣定義的有效性指標，能夠發(fā)現正確的聚類個數，實現聚類無監(jiān)督的學習過程。

　　關鍵詞： 模糊聚類；模糊C均值算法；有效性指標；最佳聚類數

0 引言

　　聚類分析[1-3]是一種無監(jiān)督的分類過程。研究聚類問題的一個最基本問題是發(fā)現符合數據真實分布的聚類個數。借助模糊C均值算法[4-5]，定義有效性指標，發(fā)現數據集的內在結構成為研究熱點。由于數據類型和數據結構的多樣性，導致沒有通用的有效性指標。

　　針對FCM算法在聚類過程中未考慮樣本各維屬性對聚類貢獻不同的問題，使用自適應的方法計算簇中每個屬性的權值，得到一種基于屬性加權的FCM算法。充分考慮數據集的幾何結構，使用改進FCM算法得到的隸屬度矩陣，計算類內緊致性和類間分離性，定義新的聚類有效性指標，發(fā)現符合數據真實分布的聚類個數。

1 一種新的模糊聚類有效性指標

　　1.1 一種基于屬性加權的FCM算法

　　聚類過程中為了使FCM算法能夠區(qū)分不同屬性的重要作用，使用自適應的方法計算簇中每個屬性的權值。給簇內方差較小的屬性賦予較大的權值，給簇內方差較大的屬性賦予較小的權值，得到同一屬性在不同簇中具有不同權值的FCM算法。根據權值的大小識別屬性的重要性，增加聚類結果的準確率。

　　改進算法通過最小化目標函數J′m實現：

　　1.2 緊致性和分離性

　　類內數據的緊致性和類間數據的分離性是衡量FCM聚類結果有效性的重要標準和基本條件[6-7]?；趯傩约訖嗟腇CM算法，定義類內數據的緊致性為：

　　其中，表示樣本xi屬于簇p和簇q的隸屬度的差值。簇間的分離性越大，Sep（c）的值越大。

　　對類內數據緊致性和類間數據分離性進行歸一化，得到如下公式：

　　聚類質量越好，fc的值越小。因此，可以通過計算fc的最小值，發(fā)現符合數據分布的聚類個數。

2 仿真實驗及結果

　　為了證明本文算法的有效性，進行真實數據的測試。取模糊因子m=2，最大聚類個數為10。

　　真實數據使用UCI中的Iris數據集、BUPA數據集和WDBC數據集。在數據集上運行基于屬性加權的FCM算法，使用本文提出的聚類有效性指標進行聚類分析。3個數據集上有效性指標與聚類個數之間的變化關系如圖1所示。多個有效性指標確定3個數據集的最佳聚類數，比較結果如表1所示。

　　由圖1可知，3個數據集上有效性指標fc的最小值分別對應數據集的真實聚類個數。由表1可知，有效性指標fc和PBMF可以同時發(fā)現3個數據集的真實聚類個數。XB指標僅能發(fā)現WDBC數據集的真實聚類個數，SC指標不能發(fā)現BUPA數據集的真實聚類個數，FHV僅能發(fā)現Iris數據集的真實聚類個數，CWB指標發(fā)現的聚類個數與3個數據集的真實聚類個數均有偏差。由此證明有效性指標fc是有效的，且優(yōu)于多個現有的有效性指標。

3 結論

　　為了使FCM算法在聚類過程中能夠識別不同屬性對聚類貢獻的大小，使用自適應的方法計算簇中每個屬性的權值，給簇內方差較小的屬性賦予較大的權值，給簇內方差較大的屬性賦予較小的權值，得到每個屬性在不同簇中具有不同權值的FCM算法。利用改進FCM算法得到的隸屬度矩陣計算類內數據的緊致性和類間數據的分離性，定義聚類有效性指標，自動獲得最佳聚類數，實現聚類無監(jiān)督的學習過程。通過實驗證明了該指標的有效性和可行性。

　　參考文獻

　　[1] Su Tieming， Ye Sanpai， Sun Wei， et al. Compensation model for thermal error of machining center based on gray-fuzzy clustering and LS-SVM[J]. Journal of Shenyang University of Technology，2011，33（5）：524-530.

　　[2] 向培素．近鄰半監(jiān)督聚類算法的MATLAB實現[J]．數學技術與應用，2012（8）：100-101.

　　[3] Yu Haitao， Li Zi， Yao Nianmin. Research on optimization method for K-Means clustering algorithm[J]. Journal of Chinese Computer Systems， 2012，33（10）：2273-2277.

　　[4] 王亮，王士同.動態(tài)權值混合C-均值模糊核聚類算法[J].軟件學報，2011，28（8）：2852-2855.

　　[5] 楊草原，劉大有，楊博，等.聚類集成方法研究[J].計算機科學，2011，38（2）：166-170.

　　[6] KANNAN S R， RAMATHILAGAM S， DEVI R， et al. Robust kernel FCM in segmentation of breast medical images[J]. Expert System with Applications， 2011，38（4）：4382-4389.

　　[7] ZALIK K R， ZALIK B. Validity index for clusters of different sizes and densities[J]. Pattern Recognition Letters， 2011，32（2）：221-234.