1。介绍聚类的对象分配一个组别的过程为子集,称为集群,这样每个集群中的对象相似比对象从不同集群基于它们的属性的值(
1]gydF4y2Ba。数据挖掘中的聚类技术已经被广泛的研究(
2),gydF4y2Ba模式识别(
3),gydF4y2Ba和机器学习
4]gydF4y2Ba。
gydF4y2Ba聚类算法通常可以分为两个主要的类,即监督聚类和非监督聚类分类器的参数优化。许多无监督聚类算法被开发出来。一个这样的算法<我nl我ne- - - - - -formula>
k米米l:米我>米米l:mrow>
则,分配<我nl我ne- - - - - -formula>
n米米l:米我>米米l:mrow>
对象<我nl我ne- - - - - -formula>
k米米l:米我>米米l:mrow>
集群通过最小化之间的欧几里得距离的平方和的对象在每个集群的集群中心。的主要缺点<我nl我ne- - - - - -formula>
k米米l:米我>米米l:mrow>
算法则是结果是敏感的选择初始聚类质心和可能收敛于局部最适条件(
5]gydF4y2Ba。
gydF4y2Ba为处理这些随机分布的数据集,引入了软计算在集群
6),gydF4y2Ba利用不精确和不确定性的容忍为了实现温顺和鲁棒性。模糊集和粗糙集已经被纳入<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
——框架开发的模糊<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
——(FCM) [
7)gydF4y2Ba和粗糙<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
——(RCM) [
8)gydF4y2Ba算法。
gydF4y2Ba模糊算法可以将数据对象部分分配给多个集群和处理重叠分区。模糊集群成员的程度取决于数据的亲密对象集群中心。最受欢迎的模糊聚类算法是FCM Bezdek[引入的
9),gydF4y2Ba现在它被广泛使用。FCM是一种有效的算法,但在中心点随机选择使迭代过程分为鞍点容易或局部最优解。此外,如果数据集包含严重的噪声点或高维数据集,如生物信息学(
10),gydF4y2Ba交替优化往往无法找到全局最优。在这些情况下,找到全局最优的概率可以增加随机方法如进化或群方法。Bezdek和海瑟薇
11)gydF4y2Ba优化硬<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
——(HCM)模型与遗传算法。Runkler [
12]gydF4y2Ba引入了蚁群优化算法,明确最小化HCM和FCM聚类模型。Al-Sultan和斯莱姆(
13]gydF4y2Ba提出了模拟退火算法(SA)克服这些限制,有不错的效果。
gydF4y2Ba算法是一个基于人口优化工具进行开发的埃伯哈特和肯尼迪(
14),gydF4y2Ba这很容易实现和应用来解决各种各样的函数优化问题。Runkler和卡茨(
15]gydF4y2Ba引入了两个新的方法来减少这种改进的FCM聚类模型的目标函数算法:PSO -<我nl我ne- - - - - -formula>
V米米l:米我>米米l:mrow>
和PSO -<我nl我ne- - - - - -formula>
U米米l:米我>米米l:mrow>
。为了克服FCM的缺点,PSO-based模糊聚类算法进行了讨论(
16];gydF4y2Ba这个算法使用算法的全局搜索能力来克服FCM的缺点。寻找更合适的集群中心,广义优化FCM的PSO算法(
17gydF4y2Ba提出了]。
gydF4y2Ba跟踪集被认为是作为一个概念和算法粗糙集和模糊集之间的桥梁,从而将通用的优点,并被成功地用于无监督学习。跟踪集介绍<我nl我ne- - - - - -formula>
(米米l:米o>
0 1米米l:米n><米米l:米o stretchy="false">
)米米l:米o>
区间来表示这些聚类点的归属感,和不确定性模式躺在阴影区域是有效处理会员。因此,为了消除歧义和捕获一个分布的本质,最近跟踪集的概念引入了(
18),gydF4y2Ba这也可以提高效率在迭代过程中新的原型通过消除一些“坏点”,有坏影响集群结构(
19,
20.]gydF4y2Ba。与FCM相比,跟踪的能力<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
——增强在处理异常时(
21]gydF4y2Ba。
gydF4y2Ba虽然很多基于FCM聚类算法,算法,提出了或跟踪集,其中大部分是需要输入概况集群数量<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
。获得理想的集群分区在给定数据,一般<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
手动设置,这是一个非常主观的,有些武断的过程。提出了很多方法来选择适当的<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
。Bezdek et al。
22gydF4y2Ba建议的经验法则<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
≤米米l:米o>
N米米l:米我>米米l:mrow>
1米米l:米n><米米l:米o>
/米米l:米o>
2米米l:米n>米米l:mrow>
必须确定的上界基于知识或应用程序的数据。另一种方法是使用一个集群效度指数作为衡量标准数据分区,如Davies-Bouldin (DB) (
23),X我e- - - - - -Ben我(XB) [
24],gydF4y2Ba邓恩(
25)gydF4y2Ba指数。这些指标通常遵循的原则,同一集群中的对象之间的距离应尽可能小,对象在不同的集群之间的距离应尽可能大。他们也被用来获得最优数量的集群<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
根据他们的最大值或最小值。
gydF4y2Ba因此,我们希望找到最好的<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
在某些范围内,通过考虑密实度和获得集群分区intercluster分离,并减少对初始值的敏感性。在这里,我们提出一个修改算法命名为SP-FCM集算法的优点和交叉阴影集之间稳定的迭代。它可以自动估计最优簇数和更快的比我们之前的初始化方法。
gydF4y2Ba论文的结构如下。部分
2gydF4y2Ba概述了所有必要的先决条件。节
3,gydF4y2Ba提出了一种新的聚类方法称为SP-FCM自动寻找最优集群数量。部分
4gydF4y2Ba包括涉及UCI数据集的实验结果,酵母基因表达数据集和真实数据集。
5,gydF4y2Ba主要结论是覆盖。
年代ec><年代ec id="sec2">
2。相关的聚类算法在本节中,我们简要介绍一些基本概念的FCM算法,跟踪集和XB有效性指数和审查PSO-based聚类方法。
<年代ec我d="sec2.1">
2.1。FCM我们定义<我nl我ne- - - - - -formula>
X米米l:米我><米米l:mo>
=米米l:米o>
{米米l:米o>
x米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
,米米l:米o>
…米米l:米o>
,米米l:米o>
x米米l:米我>米米l:mrow>
N米米l:米我>米米l:mrow>
}米米l:米o>
随着宇宙的聚类数据集,<我nl我ne- - - - - -formula>
B米米l:米我><米米l:mo>
=米米l:米o>
{米米l:米o>
β米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
,米米l:米o>
…米米l:米o>
,米米l:米o>
β米米l:米我>米米l:mrow>
C米米l:米我>米米l:mrow>
}米米l:米o>
的原型<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
集群,<我nl我ne- - - - - -formula>
U米米l:米我><米米l:mo>
=米米l:米o>
(米米l:米o>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
]米米l:米o>
N米米l:米我><米米l:mo>
×米米l:米o>
C米米l:米我>米米l:mrow>
作为一个模糊划分矩阵,<我nl我ne- - - - - -formula>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
∈米米l:米o>
(米米l:米o>
0 1米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
的会员<我nl我ne- - - - - -formula>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
在一个集群原型<我nl我ne- - - - - -formula>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
;<我nl我ne- - - - - -formula>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
,<我nl我ne- - - - - -formula>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
∈米米l:米o>
R米米l:米我>米米l:mrow>
P米米l:米我>米米l:mrow>
,在那里<我talic>
P我talic>数据维数,<我nl我ne- - - - - -formula>
1米米l:米n><米米l:米o>
≤米米l:米o>
我米米l:米我><米米l:mo>
≤米米l:米o>
N米米l:米我>米米l:math>
,<我nl我ne- - - - - -formula>
1米米l:米n><米米l:米o>
≤米米l:米o>
j米米l:米我><米米l:mo>
≤米米l:米o>
C米米l:米我>米米l:math>
。FCM算法推导出通过最小化目标函数(
22]
(1)米米l:米text>米ml:mtd>
J米米l:米我>米米l:mrow>
FCM米米l:米text>米ml:mrow>
U米米l:米我><米米l:mo>
,米米l:米o>
B米米l:米我><米米l:mo>
,米米l:米o>
X米米l:米我>米米l:mrow>
=米米l:米o>
∑米米l:米o>
j米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>米米l:mrow>
C米米l:米我>米米l:mrow>
∑米米l:米o>
我米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>米米l:mrow>
N米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
米米米l:米我>米米l:mrow>
d米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
,米米l:米o>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
,米米l:米o>
在哪里<我nl我ne- - - - - -formula>
米米米l:米我><米米l:mo>
>米米l:米o>
1。0米米l:米n>米米l:math>
在每个模糊加权指数成员和吗<我nl我ne- - - - - -formula>
d米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
是欧式距离数据向量<我nl我ne- - - - - -formula>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
聚类中心<我nl我ne- - - - - -formula>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
。和
(2)米米l:米text>米ml:mtd>
∑米米l:米o>
j米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>米米l:mrow>
C米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
=米米l:米o>
1米米l:米n>米米l:mrow>
∀米米l:米o>
我米米l:米我><米米l:mo>
=米米l:米o>
1、2米米l:米n><米米l:米o>
,米米l:米o>
…米米l:米o>
,米米l:米o>
N米米l:米我><米米l:mo>
,米米l:米o>
0米米l:米n><米米l:米o>
<米米l:米o>
∑米米l:米o>
我米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>米米l:mrow>
N米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
<米米l:米o>
N米米l:米我><米米l:mo>
∀米米l:米o>
j米米l:米我><米米l:mo>
=米米l:米o>
1、2米米l:米n><米米l:米o>
,米米l:米o>
…米米l:米o>
,米米l:米o>
C米米l:米我><米米l:mo>
,米米l:米o>
d米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
=米米l:米o>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
- - - - - -米米l:米o>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
。米米l:米o>
这将生成以下更新方程:
(3)米米l:米text>米ml:mtd>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
=米米l:米o>
∑米米l:米o>
k米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>米米l:mrow>
C米米l:米我>米米l:mrow>
d米米l:米我><米米l:mfenced separators="|">
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
,米米l:米o>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
d米米l:米我><米米l:mfenced separators="|">
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
,米米l:米o>
β米米l:米我>米米l:mrow>
k米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
/米米l:米o>
(米米l:米o>
米米米l:米我><米米l:mo>
- - - - - -米米l:米o>
1米米l:米n><米米l:米o minsize="0.75em" maxsize="0.75em">
)米米l:米o>
- - - - - -米米l:米o>
1米米l:米n>米米l:mrow>
,米米l:米o>
(4)米米l:米text>米ml:mtd>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
=米米l:米o>
∑米米l:米o>
我米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>米米l:mrow>
N米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
米米米l:米我>米米l:mrow>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
∑米米l:米o>
我米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>米米l:mrow>
N米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
米米米l:米我>米米l:mrow>
。米米l:米o>
计算所有对象的会员后,集群计算的新原型。当原型稳定过程停止。从先前的迭代中,原型是靠近那些当前迭代中生成的,通常少于一个错误阈值。
年代ec><年代ec id="sec2.2">
2.2。算法P年代O最初引入社会和认知行为的鸟类聚集和鱼的教育。潜在的解决方案被称为粒子穿越问题空间遵循当前最好的粒子。每个粒子跟踪的问题空间的坐标与迄今为止取得的最佳解决方案。解决方案是评估的健身价值,也是存储。这个值被称为<我nl我ne- - - - - -formula>
p米米l:米我>米米l:mrow>
最好的。另一个最佳值跟踪的算法是最好的价值,获得了迄今为止任何粒子群。最好的价值是全球最好的<我nl我ne- - - - - -formula>
g米米l:米我>米米l:mrow>
最好的。寻找更好的位置遵循规则
(5)米米l:米text>米ml:mtd>
V米米l:米我><米米l:mfenced separators="|">
t米米l:米我><米米l:mo>
+米米l:米o>
1米米l:米n>米米l:mrow>
=米米l:米o>
w米米l:米我><米米l:mi>
V米米l:米我><米米l:mfenced separators="|">
t米米l:米我>米米l:mrow>
+米米l:米o>
c米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
r米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
p米米l:米我><米米l:mtext>
最好的米米l:米text><米米l:mfenced separators="|">
t米米l:米我>米米l:mrow>
- - - - - -米米l:米o>
P米米l:米我><米米l:mfenced separators="|">
t米米l:米我>米米l:mrow>
+米米l:米o>
c米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
r米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
g米米l:米我><米米l:mtext>
最好的米米l:米text><米米l:mfenced separators="|">
t米米l:米我>米米l:mrow>
- - - - - -米米l:米o>
P米米l:米我><米米l:mfenced separators="|">
t米米l:米我>米米l:mrow>
,米米l:米o>
P米米l:米我><米米l:mfenced separators="|">
t米米l:米我><米米l:mo>
+米米l:米o>
1米米l:米n>米米l:mrow>
=米米l:米o>
P米米l:米我><米米l:mfenced separators="|">
t米米l:米我>米米l:mrow>
+米米l:米o>
V米米l:米我><米米l:mfenced separators="|">
t米米l:米我><米米l:mo>
+米米l:米o>
1米米l:米n>米米l:mrow>
,米米l:米o>
在哪里<我nl我ne- - - - - -formula>
P米米l:米我>米米l:mrow>
和<我nl我ne- - - - - -formula>
V米米l:米我>米米l:mrow>
粒子位置和速度矢量,分别<我nl我ne- - - - - -formula>
w米米l:米我>米米l:mrow>
惯性权重,<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
和<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
正的常数,称为加速度系数控制的影响<我nl我ne- - - - - -formula>
p米米l:米我>米米l:mrow>
最好和<我nl我ne- - - - - -formula>
g米米l:米我><米米l:mtext>
最好的米米l:米text>米ml:math>
在搜索过程中,和<我nl我ne- - - - - -formula>
r米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
和<我nl我ne- - - - - -formula>
r米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
随机值的范围<我nl我ne- - - - - -formula>
(米米l:米o>
0 1米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
。每个粒子的位置的健身价值是由一个适应度函数,算法通常是执行和重复应用(
5),gydF4y2Ba直到指定的迭代次数已超过或接近速度更新一分之零的迭代次数。
年代ec><年代ec id="sec2.3">
2.3。PSO-Based FCM在这个算法
26),gydF4y2Ba每个粒子<我nl我ne- - - - - -formula>
票面价值米米l:米text><米米l:msub>
t米米l:米text>米ml:mrow>
l米米l:米我>米米l:mrow>
代表一个聚类中心向量,构造成
(6)米米l:米text>米ml:mtd>
票面价值米米l:米text><米米l:msub>
t米米l:米text>米ml:mrow>
l米米l:米我>米米l:mrow>
=米米l:米o>
P米米l:米我>米米l:mrow>
l米米l:米我><米米l:mn>
1米米l:米n>米米l:mrow>
,米米l:米o>
…米米l:米o>
,米米l:米o>
P米米l:米我>米米l:mrow>
l米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
,米米l:米o>
…米米l:米o>
,米米l:米o>
P米米l:米我>米米l:mrow>
l米米l:米我><米米l:mi>
C米米l:米我>米米l:mrow>
,米米l:米o>
在哪里<我nl我ne- - - - - -formula>
l米米l:米我>米米l:mrow>
代表了<我nl我ne- - - - - -formula>
l米米l:米我>米米l:mrow>
th粒子,<我nl我ne- - - - - -formula>
l米米l:米我><米米l:mo>
=米米l:米o>
1、2米米l:米n><米米l:米o>
,米米l:米o>
…米米l:米o>
l米米l:米我>米米l:math>
,<我nl我ne- - - - - -formula>
l米米l:米我>米米l:mrow>
是粒子数,<我nl我ne- - - - - -formula>
l米米l:米我><米米l:mo>
<米米l:米o>
N米米l:米我>米米l:math>
。<我nl我ne- - - - - -formula>
P米米l:米我>米米l:mrow>
l米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
是<我nl我ne- - - - - -formula>
j米米l:米我>米米l:mrow>
集群中心的粒子<我nl我ne- - - - - -formula>
票面价值米米l:米text><米米l:msub>
t米米l:米text>米ml:mrow>
l米米l:米我>米米l:mrow>
。因此,一群代表一个数量的候选人集群中心数据向量。每个数据向量属于集群根据其隶属函数,从而模糊成员被分配给每个数据向量。每个集群有一个集群中心每个迭代和提供了一个解决方案,给出了向量的集群中心。这个方法决定了位置矢量<我nl我ne- - - - - -formula>
票面价值米米l:米text><米米l:msub>
t米米l:米text>米ml:mrow>
l米米l:米text>米ml:mrow>
对于每个粒子,更新它,然后更改集群中心的位置。和广义解的适应度函数来评价说
(7)米米l:米text>米ml:mtd>
F米米l:米我><米米l:mfenced separators="|">
P米米l:米我>米米l:mrow>
=米米l:米o>
1米米l:米n>米米l:mrow>
J米米l:米我>米米l:mrow>
FCM米米l:米text>米ml:mrow>
。米米l:米o>
小的是<我nl我ne- - - - - -formula>
J米米l:米我>米米l:mrow>
FCM米米l:米text>米ml:mrow>
,更好的聚类效果和较高的健身功能<我nl我ne- - - - - -formula>
F米米l:米我><米米l:mo stretchy="false">
(米米l:米o>
P米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
。
年代ec><年代ec id="sec2.4">
2.4。跟踪设置传统不确定性模型像模糊集倾向于通过会员获取模糊值,并将会员的精确数值与模糊的概念。通过引入<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
切(
19),gydF4y2Ba一个模糊集可以转化成一套经典。阴影设置给定模糊集合的每个元素映射到0,1,单位时间间隔<我nl我ne- - - - - -formula>
(米米l:米o>
0米米l:米n><米米l:米o>
,米米l:米o>
1米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
,即排除在外,包括分别和不确定。
gydF4y2Ba构建一套跟踪,Mitra et al。
21)gydF4y2Ba提出了一个基于模糊平衡优化。作为提升成员值的一些地区1,同时减少一些地区的成员值为0,这些地区的不确定性可以消除。保持平衡的不确定性区域,它需要补偿这些变化不确定的施工区域,即跟踪集吸收前消除部分成员在低和高范围。引起的阴影集模糊隶属函数图
1gydF4y2Ba。
图1
跟踪集引起的模糊函数<我nl我ne- - - - - -formula>
f米米l:米我><米米l:mo stretchy="false">
(米米l:米o>
x米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
。
在这里<我nl我ne- - - - - -formula>
x米米l:米我>米米l:mrow>
表示对象;<我nl我ne- - - - - -formula>
f米米l:米我><米米l:mo stretchy="false">
(米米l:米o>
x米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
∈米米l:米o>
(米米l:米o>
0 1米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
是连续隶属函数的对象属于一个集群。符号<我nl我ne- - - - - -formula>
Ω米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
显示会员的减少,象征<我nl我ne- - - - - -formula>
Ω米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
会员,描绘了海拔和象征<我nl我ne- - - - - -formula>
Ω米米l:米我>米米l:mrow>
3米米l:米n>米米l:mrow>
显示的形成阴影。为了平衡总不确定性,保持平衡转化为以下依赖:
(8)米米l:米text>米ml:mtd>
Ω米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
+米米l:米o>
Ω米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
=米米l:米o>
Ω米米l:米我>米米l:mrow>
3米米l:米n>米米l:mrow>
。米米l:米o>
和积分形式给出
(9)米米l:米text>米ml:mtd>
Ω米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
=米米l:米o>
∫米米l:米o>
x米米l:米我><米米l:mo>
:米米l:米o>
f米米l:米我><米米l:mo minsize="0.75em" maxsize="0.75em">
(米米l:米o>
x米米l:米我><米米l:mo minsize="0.75em" maxsize="0.75em">
)米米l:米o>
≤米米l:米o>
α米米l:米我>米米l:mrow>
f米米l:米我><米米l:mrow>
(米米l:米o>
x米米l:米我><米米l:mo class="right">
)米米l:米o>
d米米l:米我><米米l:mi>
x米米l:米我>米米l:mrow>
,米米l:米o>
Ω米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
=米米l:米o>
∫米米l:米o>
x米米l:米我><米米l:mo>
:米米l:米o>
f米米l:米我><米米l:mo minsize="0.75em" maxsize="0.75em">
(米米l:米o>
x米米l:米我><米米l:mo minsize="0.75em" maxsize="0.75em">
)米米l:米o>
≥米米l:米o>
1米米l:米n><米米l:米o>
- - - - - -米米l:米o>
α米米l:米我>米米l:mrow>
(米米l:米o>
1米米l:米n><米米l:米o>
- - - - - -米米l:米o>
f米米l:米我><米米l:mrow>
(米米l:米o>
x米米l:米我><米米l:mo class="right">
)米米l:米o>
)米米l:米o>
d米米l:米我><米米l:mi>
x米米l:米我>米米l:mrow>
,米米l:米o>
Ω米米l:米我>米米l:mrow>
3米米l:米n>米米l:mrow>
=米米l:米o>
∫米米l:米o>
x米米l:米我><米米l:mo>
:米米l:米o>
α米米l:米我><米米l:mo>
<米米l:米o>
f米米l:米我><米米l:mo minsize="0.75em" maxsize="0.75em">
(米米l:米o>
x米米l:米我><米米l:mo minsize="0.75em" maxsize="0.75em">
)米米l:米o>
<米米l:米o>
1米米l:米n><米米l:米o>
- - - - - -米米l:米o>
α米米l:米我>米米l:mrow>
d米米l:米我><米米l:mi>
x米米l:米我>米米l:mrow>
。米米l:米o>
阈值的降低和提升<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
和<我nl我ne- - - - - -formula>
1米米l:米n><米米l:米o>
- - - - - -米米l:米o>
α米米l:米我>米米l:math>
(<我nl我ne- - - - - -formula>
α米米l:米我><米米l:mo>
∈米米l:米o>
(米米l:米o>
0,0.5米米l:米n><米米l:米o stretchy="false">
)米米l:米o>
)。的最优值<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
应该被翻译成以下目标函数的最小化:
(10)米米l:米text>米ml:mtd>
O米米l:米我><米米l:mfenced separators="|">
α米米l:米我>米米l:mrow>
=米米l:米o>
Ω米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
+米米l:米o>
Ω米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
- - - - - -米米l:米o>
Ω米米l:米我>米米l:mrow>
3米米l:米n>米米l:mrow>
。米米l:米o>
与离散模糊集隶属函数,修改平衡方程
(11)米米l:米text>米ml:mtd>
O米米l:米我><米米l:mfenced separators="|">
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
=米米l:米o>
∑米米l:米o>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
≤米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
+米米l:米o>
∑米米l:米o>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
≥米米l:米o>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
- - - - - -米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
- - - - - -米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
- - - - - -米米l:米o>
卡米米l:米text><米米l:mfenced open="{" close="}" separators="|">
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
∣米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
<米米l:米o>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
<米米l:米o>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
- - - - - -米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
∑米米l:米o>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
≤米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
米米l:米我>米米l:mrow>
。米米l:米o>
为了找到最好的<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
,它应该满足如下优化问题:
(12)米米l:米text>米ml:mtd>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
=米米l:米o>
参数米米l:米我><米米l:mo>
最小值米米l:米我><米米l:mo>
米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
O米米l:米我><米米l:mfenced separators="|">
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
,米米l:米o>
在哪里<我nl我ne- - - - - -formula>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
∈米米l:米o>
(米米l:米o>
0 1米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
的会员<我nl我ne- - - - - -formula>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
在一个集群原型<我nl我ne- - - - - -formula>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
;<我nl我ne- - - - - -formula>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
和<我nl我ne- - - - - -formula>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
表示的最高及最低的成员值<我nl我ne- - - - - -formula>
j米米l:米我>米米l:mrow>
th集群;和<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
的门槛<我nl我ne- - - - - -formula>
j米米l:米我>米米l:mrow>
集群。可行的阈值的范围<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
是<我nl我ne- - - - - -formula>
(米米l:米o>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
,米米l:米o>
(米米l:米o>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
+米米l:米o>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
)米米l:米o>
/米米l:米o>
2米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
(
19]gydF4y2Ba。
这种方法考虑所有集群成员价值观对一个固定时更新此集群的原型。跟踪集的主要优点包括选择不同的阈值优化机制,减少纯数值计算的负担。
年代ec><年代ec id="sec2.5">
2.5。XB聚类有效性指标上述聚类算法需要prespecification集群的数量。分区结果依赖于所选择的<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
。存在有效性指数来评价聚类的美好根据给定数量的集群;因此,这些有效性指数可以用来获得的最优值<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
(
27]gydF4y2Ba。
XBgydF4y2Ba指数提出了一种基于fuzzy-validity准则效度函数确定整体紧凑和单独的模糊<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
分区。这个函数取决于数据集,几何距离测量,和聚类质心之间的距离和模糊分区,不管任何模糊算法。评估的数据分区的美好,集群密实度和intercluster分离应该考虑。的FCM算法<我nl我ne- - - - - -formula>
米米米l:米我><米米l:mo>
=米米l:米o>
2.0米米l:米n>米米l:math>
可以证明,Xie-Beni指数
(13)米米l:米text>米ml:mtd>
年代米米l:米我>米米l:mrow>
XB米米l:米text>米ml:mrow>
=米米l:米o>
J米米l:米我>米米l:mrow>
FCM米米l:米text>米ml:mrow>
N米米l:米我><米米l:msubsup>
d米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
2米米l:米n>米米l:mrow>
,米米l:米o>
在哪里<我nl我ne- - - - - -formula>
d米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
心肌梗死米米l:米text><米米l:msub>
n米米l:米text>米ml:mrow>
我米米l:米我><米米l:mo>
,米米l:米o>
j米米l:米我>米米l:mrow>
β米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
- - - - - -米米l:米o>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
是集群质心之间的最小距离。单独的集群,越多越大<我nl我ne- - - - - -formula>
d米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
和小<我nl我ne- - - - - -formula>
年代米米l:米我>米米l:mrow>
XB米米l:米text>米ml:mrow>
。
年代ec>年代ec>
3所示。跟踪则PSO-Fuzzy集群:SP-FCMFC米努力找到<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
紧凑的集群<我nl我ne- - - - - -formula>
X米米l:米我>米米l:mrow>
在哪里<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
是指定的参数之一。但选择和调整的过程<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
手动获取理想的集群分区在给定的数据集是非常主观的,有些武断。寻求最优的集群结构,<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
总是允许高估了(
28),gydF4y2Ba这样一些集群之间的距离不够大或一些对象的成员值不同的集群是相邻的,模棱两可的在一个给定的数据集,在这种情况下,通过长时间的迭代修改原型是没有意义的。
gydF4y2Ba集群验证的主体是集群的评价结果来找到最适合的分区数据集。基于上述算法,我们希望找到集群分区包含紧凑,布置得井然有序的集群。在我们的算法<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
也高估和集群竞争数据成员。我们可以设置<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
]米米l:米o>
作为集群数量的合理的范围内基于数据的知识。这提供了一种更加透明和驯良的集群数量减少的过程。考虑到模糊划分矩阵<我nl我ne- - - - - -formula>
U米米l:米我><米米l:mo>
=米米l:米o>
(米米l:米o>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
]米米l:米o>
N米米l:米我><米米l:mo>
×米米l:米o>
C米米l:米我>米米l:mrow>
,每一列由成员值的特征向量<我nl我ne- - - - - -formula>
x米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
与单个集群中心。因此,最优阈值<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
(<我nl我ne- - - - - -formula>
j米米l:米我><米米l:mo>
=米米l:米o>
1、2米米l:米n><米米l:米o>
,米米l:米o>
…米米l:米o>
C米米l:米我>米米l:math>
)每一列应该发现努力创建一个分区(
12)gydF4y2Ba。的数据量的分配成员值等于1的基数确定为相应的集群。根据<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
的基数<我nl我ne- - - - - -formula>
j米米l:米我>米米l:mrow>
th列
(14)米米l:米text>米ml:mtd>
米米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
=米米l:米o>
卡米米l:米text><米米l:mfenced open="{" close="}" separators="|">
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
∣米米l:米o>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
≥米米l:米o>
u米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
- - - - - -米米l:米o>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
。米米l:米o>
这里的阈值不是主观定义的但它是建立在不确定性和可调整的平衡自动聚类过程。这个属性的阴影集可以用来降低集群数量。为了控制收敛速度,决定删除集群可以基于一些阈值。不同的阈值应该设置为不同的数据集根据集群结构和数据集的大小。在这里,一个阈值<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
和流失率<我nl我ne- - - - - -formula>
ρ米米l:米我>米米l:mrow>
(<我nl我ne- - - - - -formula>
0米米l:米n><米米l:米o>
<米米l:米o>
ρ米米l:米我><米米l:mo>
<米米l:米o>
1米米l:米n>米米l:math>
)是集。SP-FCM决定删除集群是完全基于集群基数和阈值<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
。如果<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
太小了,<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
减少更慢,这可能阻止过早优化集群数量之前发现。另一方面,如果<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
太大,<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
可能会大幅减少。在我们的方法中,集群的基数<我nl我ne- - - - - -formula>
米米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
<米米l:米o>
ε米米l:米我>米米l:math>
是去除视为“候选人”。我们可以删除<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
×米米l:米o>
C米米l:米我>米米l:mrow>
集群的最低基数从池中指定的候选人<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
。限制了集群的数量可以删除一次阻止了<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
从时也大大减少<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
设置太高了对于一个给定的数据集。这将自动估计最好的集群数量,同时利用更快的,一致的,可重复初始化技术。评估的数据分区的美好,集群密实度和intercluster分离应该考虑。因此采用XB指数。
gydF4y2Ba为每一个<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
在的范围<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
]米米l:米o>
一组集群效度指标计算,<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
是初始集群数量将比预期的更大的集群。分区矩阵<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
集群的最佳聚合效度指数选择最后一个集群分区。SP-FCM算法在算法概括为
1gydF4y2Ba。
<大胆>算法1:< /大胆> SP-FCM。
(1)初始化<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
和<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
,让<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
,真正的数字<我nl我ne- - - - - -formula>
米米米l:米我>米米l:mrow>
,迭代计数器<我nl我ne- - - - - -formula>
k米米l:米我><米米l:mo>
=米米l:米o>
0米米l:米n>米米l:math>
,迭代计数器<我nl我ne- - - - - -formula>
t米米l:米我><米米l:mo>
=米米l:米o>
0米米l:米n>米米l:math>
、最大
迭代数<我nl我ne- - - - - -formula>
T米米l:米我>米米l:mrow>
的算法。
(2)初始化种群规模<我nl我ne- - - - - -formula>
l米米l:米我>米米l:mrow>
粒子的初始速度,粒子的初始位置,<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
,<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
,<我nl我ne- - - - - -formula>
w米米l:米我>米米l:mrow>
的阈值<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
和流失率<我nl我ne- - - - - -formula>
ρ米米l:米我>米米l:mrow>
。
(3)
做 {
重复{
(一)更新分区矩阵<我nl我ne- - - - - -formula>
U米米l:米我><米米l:mo stretchy="false">
(米米l:米o>
k米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
为所有粒子(
3)gydF4y2Ba。
(b)计算每个粒子的聚类中心(
4)gydF4y2Ba。
(c)计算每个粒子的适应度值(
7)gydF4y2Ba。
(d)计算<我nl我ne- - - - - -formula>
p米米l:米我><米米l:mi>
b米米l:米我><米米l:mi>
e米米l:米我><米米l:mi>
年代米米l:米我><米米l:mi>
t米米l:米我>米米l:math>
为每个粒子。
(e)计算<我nl我ne- - - - - -formula>
g米米l:米我><米米l:mi>
b米米l:米我><米米l:mi>
e米米l:米我><米米l:mi>
年代米米l:米我><米米l:mi>
t米米l:米我>米米l:math>
群。
(f)更新每个粒子的速度和位置(
5)gydF4y2Ba。
(g)<我nl我ne- - - - - -formula>
t米米l:米我><米米l:mo>
=米米l:米o>
t米米l:米我><米米l:mo>
+米米l:米o>
1米米l:米n>米米l:math>
}
直到算法终止条件满足<我nl我ne- - - - - -formula>
(*)米米l:米我>米米l:mrow>
(我)计算最优阈值<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
(米米l:米o>
j米米l:米我><米米l:mo>
=米米l:米o>
1、2米米l:米n><米米l:米o>
,米米l:米o>
…米米l:米o>
,米米l:米o>
C米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
分区矩阵的每一列<我nl我ne- - - - - -formula>
U米米l:米我><米米l:mo stretchy="false">
(米米l:米o>
k米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
由(
12),
和搬迁<我nl我ne- - - - - -formula>
u米米l:米我>米米l:mrow>
我米米l:米我><米米l:mi>
j米米l:米我>米米l:mrow>
(米米l:米o>
1米米l:米n><米米l:米o>
≤米米l:米o>
我米米l:米我><米米l:mo>
≤米米l:米o>
N米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
的<我nl我ne- - - - - -formula>
j米米l:米我>米米l:mrow>
th集群根据<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
(2)计算基数<我nl我ne- - - - - -formula>
米米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
每个集群的基础上的数量数据成员的值等于1 (
14),
1米米l:米n><米米l:米o>
≤米米l:米o>
j米米l:米我><米米l:mo>
≤米米l:米o>
C米米l:米我>米米l:math>
(3)删除所有集群的<我nl我ne- - - - - -formula>
米米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
<米米l:米o>
ε米米l:米我>米米l:math>
和<我nl我ne- - - - - -formula>
米米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
就是其中之一<我nl我ne- - - - - -formula>
⌊米米l:米o>
ρ米米l:米我><米米l:mo>
×米米l:米o>
C米米l:米我>米米l:mrow>
⌋米米l:米o>
最低基数
(iv)更新集群数量<我talic>
C我talic>
(v)计算集群有效性指数<我nl我ne- - - - - -formula>
年代米米l:米我>米米l:mrow>
XB米米l:米text>米ml:mrow>
(米米l:米o>
k米米l:米我><米米l:mo stretchy="false">
)米米l:米o>
由(
13)
(vi)更新迭代计数器<我nl我ne- - - - - -formula>
k米米l:米我><米米l:mo>
=米米l:米o>
k米米l:米我><米米l:mo>
+米米l:米o>
1米米l:米n>米米l:math>
}
而不满足终止条件<我nl我ne- - - - - -formula>
(* *)米米l:米我>米米l:mrow>
(*)米米l:米我>米米l:mrow>
该方法的算法的终止条件<我nl我ne- - - - - -formula>
t米米l:米我><米米l:mo>
≥米米l:米o>
T米米l:米我>米米l:math>
(到达最大迭代数)或速度
更新近一分之零的迭代次数。
(* *)米米l:米我>米米l:mrow>
该算法可以终止在以下两个条件:
(1)原型参数<我nl我ne- - - - - -formula>
B米米l:米我>米米l:mrow>
稳定在某个阈值<我nl我ne- - - - - -formula>
δ米米l:米我>米米l:mrow>
。
(2)集群的数量已达到最低极限<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
。
这里,如果<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
×米米l:米o>
C米米l:米我>米米l:mrow>
= 0,我们可以让它为1。这意味着集群最低的基数可能被删除。最初的<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
集群原型可以使用原型从初始化数据点选择<我nl我ne- - - - - -formula>
β米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
=米米l:米o>
x米米l:米我>米米l:mrow>
(米米l:米o>
N米米l:米我><米米l:mo>
/米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
)米米l:米o>
j米米l:米我>米米l:mrow>
。终止后,<我nl我ne- - - - - -formula>
B米米l:米我>米米l:mrow>
和<我nl我ne- - - - - -formula>
U米米l:米我>米米l:mrow>
从<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
∈米米l:米o>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
]米米l:米o>
最好的集群有效性指数<我nl我ne- - - - - -formula>
年代米米l:米我>米米l:mrow>
XB米米l:米text>米ml:mrow>
选为最终集群原型和分区。
年代ec><年代ec id="sec4">
4所示。实验结果在本节中,FCM的性能,RCM,阴影<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
——(SCM) (
21),gydF4y2Ba跟踪粗糙<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
——(SRCM) [
19),gydF4y2Ba和SP-FCM算法提出了四个UCI数据集,四酵母基因表达数据集和真实数据。评价融合效果,基本准则可以描述如下:不同的对象之间的距离在同一集群应该尽可能;不同的对象在不同的集群之间的距离应尽可能。这里我们使用DB指数和邓恩指数来评价聚类的效果。对于一个给定的数据集<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
值,簇内相似度值越高,intercluster分离,数据库索引值越低。一个好的聚类过程应DB指数尽可能低的价值。相对地,邓恩的高值指数表明更好的集群,集群已经分离,而且比较紧凑。实验的细节在下面提到。
<年代ec我d="sec4.1">
4.1。UCI数据集完全在我们的实验中,四个UCI数据集,包括四维虹膜,13-dimensional酒,十维玻璃和34-dimensional电离层。有三个集群在Iris数据集,每一个都有50个数据模式;3集群数据集的葡萄酒,50岁,60岁,和68年的数据模式;6组数据集的玻璃,30岁,35岁,40岁,42岁,36岁和31日分别;和2集群在电离层数据集,226年和125年的数据模式。每个方法的有效性指标比较表
1gydF4y2Ba。SP-FCM可以识别致密组织与其他算法相比,当考虑到集群数量<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
。它还可以看到SRCM和SP-FCM比FCM更明显的优势,RCM, SCM。SP-FCM表现略优于SRCM在大多数情况下,由于全球搜索能力使它收敛到一个最优或接近最优的解决方案。此外,跟踪设置,粗糙集合聚类方法,即SP-FCM, SRCM,比FCM RCM, SCM,表现的更好。这意味着近似区域的分区可以揭示数据结构的性质,只有下界和边界地区的每个集群都有积极贡献的过程中更新原型。
表1
性能的FCM、RCM SCM, SRCM, SP-FCM四个UCI数据集。
不同的指标
算法
数据集
虹膜
酒
玻璃
电离层
数据库索引 FCM0.76420.88032.29712.0587
RCM 0.68750.56921.96351.5434
供应链管理 0.68620.53271.84951.4763
SRCM 0.66130.44361.58041.3971
SP-FCM 0.65740.43281.52371.4066
邓恩指数 FCM2.31062.58340.11420.8381
RCM 2.71192.81570.26371.0233
供应链管理 2.48012.79920.31501.0319
SRCM 3.08743.13420.51081.1924
SP-FCM 3.32543.17640.49211.2605
像往常一样,集群的数量是隐含的本质问题。这里,涉及跟踪设置,可以预计,能找到最优数量的集群。模糊化系数<我nl我ne- - - - - -formula>
米米米l:米我>米米l:mrow>
可以优化;然而,通常假设一个固定的值为2.0,与隶属函数的形式关联生成的集群。测试SP-FCM算法,规则<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
≤米米l:米o>
N米米l:米我>米米l:mrow>
1米米l:米n><米米l:米o>
/米米l:米o>
2米米l:米n>米米l:mrow>
被采用,和预期的范围集群数量可以设置为(1)虹膜,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
2米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
12米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
;(2)葡萄酒,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
2米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
13米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
;(3)玻璃,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
2米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
14米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
;(4)电离层,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
2米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
16米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
。蜂群大小设置<我nl我ne- - - - - -formula>
l米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
,最大迭代算法<我nl我ne- - - - - -formula>
T米米l:米我><米米l:mo>
=米米l:米o>
50米米l:米n>米米l:math>
,减少集群,集群基数阈值<我nl我ne- - - - - -formula>
ε米米l:米我><米米l:mo>
=米米l:米o>
10米米l:米n>米米l:math>
和员工的流失率<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
=米米l:米o>
0.1米米l:米n>米米l:math>
。在每一个周期,每个集群的分布,消除他们的一部分根据他们的基数,并计算XB指数和集群的号码<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
不同<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
来<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
。循环结束后,选择分区的最小值作为最终结果。图
2gydF4y2Ba介绍了有效性指标的过程中生成最优簇数。较小的值表明更紧凑,布置得井然有序的集群。有效性指标达到最小值<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
3米米l:米n>米米l:math>
3、6和2分别对应于最后集群原型和最好的分区。通过跟踪集和PSO方法,每个边界区域的影响形成的原型和集群可以妥善解决。虽然需要更多的计算时间SP-FCM运行,可以获得合理的结果处理重叠和模糊数据模式。
XB有效性指数四个UCI数据集与集群数量<我talic>
C我talic>。
(一)
虹膜
(b)
酒
(c)
玻璃
(d)
电离层
4.2。酵母基因表达数据集有四个实验中使用的酵母基因表达数据集,包括GDS608 GDS2003, GDS2267, GDS2712从基因表达综合下载。类和GDS608样品的数量是26,6303;GDS2003,类和样本的数量是23和5617年GDS2267 14, 9275, GDS2712 15和9275年。表
2gydF4y2Ba介绍了不同方法的有效性指标后,集群数量<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
给出了。SP-FCM SRCM获得同样的效果和执行比其他聚类算法。改善可以归因于这样一个事实:算法的全局搜索能力有利于找到更合适的集群中心而逃离当地的最适条件。
表2
性能的FCM、RCM SCM, SRCM, SP-FCM四酵母表达数据集。
不同的指标
算法
数据集
GDS608
GDS2003
GDS2267
GDS2712
数据库索引 FCM2.08612.46711.59161.9526
RCM 1.61092.21041.02741.2058
供应链管理 1.59382.13460.89461.0965
SRCM 1.32741.95230.74380.7326
SP-FCM 1.29581.89460.79620.6843
邓恩指数 FCM0.26470.29760.42080.3519
RCM 0.37890.39810.71640.6074
供应链管理 0.38650.37750.84390.6207
SRCM 0.51260.49530.97590.8113
SP-FCM 0.54070.50260.91820.8049
获得最优<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
自动,我们让<我nl我ne- - - - - -formula>
米米米l:米我><米米l:mo>
=米米l:米o>
2.0米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
=米米l:米o>
1.49米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
=米米l:米o>
1。4米米l:米n><米米l:米n>
9米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
w米米l:米我><米米l:mo>
=米米l:米o>
0.7米米l:米n><米米l:米n>
2米米l:米n>米米l:math>
和规则<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
≤米米l:米o>
N米米l:米我>米米l:mrow>
1米米l:米n><米米l:米o>
/米米l:米o>
2米米l:米n>米米l:mrow>
采用。蜂群大小设置<我nl我ne- - - - - -formula>
l米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
,最大迭代算法的数量<我nl我ne- - - - - -formula>
T米米l:米我><米米l:mo>
=米米l:米o>
80年米米l:米n>米米l:math>
,减少集群,集群范围的预期数量,集群基数阈值<我nl我ne- - - - - -formula>
ε米米l:米我>米米l:mrow>
和流失率<我nl我ne- - - - - -formula>
ρ米米l:米我>米米l:mrow>
可以设置为(1)GDS608,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
20.米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
80年米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
,<我nl我ne- - - - - -formula>
ε米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
=米米l:米o>
0.0米米l:米n><米米l:米n>
5米米l:米n>米米l:math>
;(2)GDS2003,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
20.米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
75年米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
,<我nl我ne- - - - - -formula>
ε米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
=米米l:米o>
0.0米米l:米n><米米l:米n>
5米米l:米n>米米l:math>
;(3)GDS2267,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
10米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
96年米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
,<我nl我ne- - - - - -formula>
ε米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
=米米l:米o>
0.08米米l:米n>米米l:math>
;(4)GDS2712,<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
10米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
96年米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
,<我nl我ne- - - - - -formula>
ε米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
=米米l:米o>
0.08米米l:米n>米米l:math>
。在每一个周期,每个集群的分布,消除他们的一部分根据他们的基数,并计算XB指数和集群的号码<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
不同<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
来<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
。选择分区的最小值作为循环结束后的最终结果。见图
3gydF4y2Ba初为GDS608,集群数量减少速度,减少集群需要26个迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
80年米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
30.米米l:米n>米米l:math>
和4的迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
30.米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
26米米l:米n>米米l:math>
,XB指数开始增加当集群<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
<米米l:米o>
26米米l:米n>米米l:math>
。GDS2003,减少集群需要24个迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
75年米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
30.米米l:米n>米米l:math>
和7的迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
30.米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
23米米l:米n>米米l:math>
,XB指数开始增加当集群<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
<米米l:米o>
23米米l:米n>米米l:math>
。GDS2267,减少集群需要23个迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
96年米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
和6次迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
14米米l:米n>米米l:math>
,XB指数开始增加当集群<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
<米米l:米o>
14米米l:米n>米米l:math>
。GDS2712,减少集群需要23个迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
96年米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
和5个迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
15米米l:米n>米米l:math>
,XB指数开始增加当集群<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
<米米l:米o>
15米米l:米n>米米l:math>
。模糊集的优势,算法,和跟踪集SP-FCM集成,使该算法适用于处理重叠分区,不确定性,和产生的模糊边界地区,在跟踪和优化过程集使这个方法健壮的异常值,这样近似区域的每个集群可以确定准确的和获得的原型方法所需的位置。
XB有效性指数四个酵母基因表达数据集与集群数量<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
。
(一)
GDS608
(b)
GDS2003
(c)
GDS2267
(d)
GDS2712
4.3。真实的数据在这个实验中完全测试10个不同的包。每个包是由100帧捕获由相机从不同的角度,和每一帧提取筛选特征点用于训练识别系统。图
4gydF4y2Ba与他们的筛选重点展示了一些图片。这个数据集是由248150年的描述符。我们让<我nl我ne- - - - - -formula>
米米米l:米我><米米l:mo>
=米米l:米o>
2.0米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
1米米l:米n>米米l:mrow>
=米米l:米o>
1.49米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
c米米l:米我>米米l:mrow>
2米米l:米n>米米l:mrow>
=米米l:米o>
1.49米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
w米米l:米我><米米l:mo>
=米米l:米o>
0.72米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
l米米l:米我><米米l:mo>
=米米l:米o>
20.米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
ε米米l:米我><米米l:mo>
=米米l:米o>
30.米米l:米n>米米l:math>
,<我nl我ne- - - - - -formula>
ρ米米l:米我><米米l:mo>
=米米l:米o>
0.01米米l:米n>米米l:math>
SP-FCM和选择合理的范围内<我nl我ne- - - - - -formula>
(米米l:米o>
C米米l:米我>米米l:mrow>
最小值米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
200年米米l:米n><米米l:米o>
,米米l:米o>
C米米l:米我>米米l:mrow>
马克斯米米l:米我><米米l:mo>
米米l:米o>
=米米l:米o>
360年米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
根据要点的类别数量的包和分布在每一个图像。八十次迭代算法的运行在每个给定的<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
生产集群原型<我nl我ne- - - - - -formula>
B米米l:米我>米米l:mrow>
和分区矩阵<我nl我ne- - - - - -formula>
U米米l:米我>米米l:mrow>
作为跟踪的起始点集。长算法稳定需要获得更稳定的集群分区。在每个集群,最优<我nl我ne- - - - - -formula>
α米米l:米我>米米l:mrow>
j米米l:米我>米米l:mrow>
决定减少基数和实现集群,XB指数计算。每一个<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
分区使用这个索引和排名选为最终的输出最小的索引值,表明最好的紧凑,布置得井然有序的集群。一开始,集群数量减少以更快的速度;减少集群需要26个迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
360年米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
289年米米l:米n>米米l:math>
和20次迭代<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
289年米米l:米n>米米l:math>
来<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
267年米米l:米n>米米l:math>
。XB指数增加在集群数量的相对速度<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
<米米l:米o>
267年米米l:米n>米米l:math>
。图
5gydF4y2Ba显示了XB指数<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
∈米米l:米o>
(米米l:米o>
267年米米l:米n><米米l:米o>
,米米l:米o>
289年米米l:米n><米米l:米o stretchy="false">
]米米l:米o>
。该指数达到最小值<我nl我ne- - - - - -formula>
C米米l:米我><米米l:mo>
=米米l:米o>
276年米米l:米n>米米l:math>
这意味着最好的分区数据集是276集群。表
3gydF4y2Ba展品收敛效果的比较分析。正如所料,SP-FCM真实数据可以提供良好的结果;性能评估的有效性指标。
表3
性能的FCM、RCM SCM, SRCM, SP-FCM包数据集。
不同的指标
算法
FCM
RCM
供应链管理
SRCM
SP-FCM
数据库索引 184.569159.671143.194124.038107.826
邓恩指数 92.647116.298125.376169.422167.313
十包图片和筛选功能。
(一)
644的特性
(b)
460的特性
(c)
742的特性
(d)
442的特性
(e)
313的特性
(f)
602的特性
(g)
373的特性
(h)
724的特性
(我)
539的特性
(j)
124的特性
图5
XB有效性指数袋与集群数量数据集<我nl我ne- - - - - -formula>
C米米l:米我>米米l:mrow>
。