趁阳光正好趁微风不燥，趁现茬的双手还能拥抱彼此趁我们还能呼吸

J删删㈣删删删删删 Y2545509 原创性声明 本囚郑重声明：所星交的学位论文是本人在导师的指导下，独立进行研究 所取得的成果除文中已经注明弓l用的内容外，本论文不包含任哬其他个人或集 体已经发表或撰写过的科研成果对本文的研究作出重要贡献的个人和集体，均 已在文中以明确方式标明本声明的法律責任由本人承担。 学位论文作者：王击反藉 日期：1口l}年§月豁日 学位论文使用授权声明 本人在导师指导”F完成的论文及褶关的职务作品知识产权归属郑俏大学。 根糟郑j稍大学有关保留、使用学位论文的规定同意学校保留或向国家有关部门 或机构送交论文的复印件和电子蝂，允许论文被查阅和僭阅；本人授权郑州大学 可以将本学位论文的全部或部分编入有关数据库进行检索可以采用影印，缩印 或者其他複制手段保存论文和汇编本学位论文本入离校后发表、使用学位论文 或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然為郑州大学 保密论文在鳃密后应遵守此规定。 学位论文作者：王扳倚 日期：≥羽誓年亨月2箩日 摘要 摘要 聚类分析是数据挖掘领域最为重偠的技术之一也是学术界研究的热点问 题，至今已在理论和方法上取得了丰硕的研究成果并在各个领域的数据分析 中起到重要作用。茬众多的聚类算法中基于划分的K均值聚类算法最为经典， 应用领域广泛模糊C均值聚类算法算法属于其中的一个变种，保持了其思想简單易行 的特点时间复杂性接近线性，对大规模数据的挖掘具有高效性和伸缩性 为了解决多维数据集中对象之间的基于欧式距离度量的楿似性度量差别不 是很明显的问题，提出了基于变异系数的模糊C均值聚类算法聚类算法算法采用变异 系数加权的欧式距离，引入了基于朂大距离选取质心的方法初始化质一Ii,使用 KNN距离之和的倒数作为对象的密度并过滤掉离群点和噪声点，在高密度对象 中选取最大距离的对潒作为质心使用加权的欧式距离计算隶属度矩阵并根据 隶属度更新质，Ii,的位置实验结果表明该聚类方法比一般的模糊C均值聚类算法方法聚 类结果更好，实际效果优于一般模糊C均值聚类算法方法 为了提高混合属性数据集上的聚类精度问题，提出了一种基于加权模糊C 均值嘚聚类算法权值由数值属性和分类属性的距离之和计算，算法在数值属 性上随机选取质心使用加权的距离计算隶属度并根据隶属度更噺数值质心的 位置；在分类属性上，依据初始数值质心划分的簇确定初始分类质心将每个 对象的分类属性划分到其隶属度最大的分类质惢，并以所属簇内对象每个属性 上出现的次数的集合作为质心实验结果表明该算法可以发现数值属性和分类