论文部分内容阅读
传统的聚类算法都是使用硬计算来对数据对象进行划分，然而现实中不同类之间对象通常没有明确的界限。粗糙集理论提供了一种处理边界对象不确定的方法。因此将粗糙理论与k-均值方法相结合。同时，传统的k-均值聚类方法必须事先给定聚类数k，但实际情况下k很难确定；另外虽然传统后一均值算法局部搜索能力强，但容易陷入局部最优。遗传算法能得到全局最优解，但收敛过快。鉴于此，提出了一种改进的基于遗传算法的的粗糙聚类方法。该算法能动态地生成肛均值聚类数，采用最大最小原则生成初始聚类中心，同时结合粗糙集理论的上近似和下近似处理边界