论文部分内容阅读
针对区间型不确定数据的特点，该文提出一种改进的模糊C均值聚类算法(IU-IFCM)。首先对区间型数据进行特征变换，由p维特征映射成由2p维特征组成的实数据，然后考虑区间中值与区间大小关系，设计一种样本距离计算方法，通过模糊C均值实现对区间型样本聚类。理论分析与对比实验表明，该算法的划分系数(PC)及正确等级(CR)值比其它方法平均提高10%以上，表明有更好的聚类精度，对当前大数据环境下不确定数据的分类提供了一种新的解决方案。