分类数据的多目标模糊中心点聚类算法

来源：计算机研究与发展杂志2016年第11期北京时间：

作者：周治平,朱书伟,张道文,

摘要：针对传统面向分类属性数据的聚类算法大多是对单一指标优化而存在的局限性，将类内和类间信息同时引入到优化过程中，结合多目标优化算法与模糊中心点聚类，提出一种新颖的多目标模糊聚类算法.与传统的基于遗传算法的混合聚类方法不同的是，采用模糊隶属度对染色体进行编码，同时优化2个相对的聚类目标函数获得一组最优解集，并且采用了一种提前终止准则判断算法是否达到稳定状态并停止操作，以减少不必要的计算开销.为了进一步提高算法的效率，通过采样子集计算出相应的模糊中心点作为类的表达，然后以这些模糊中心点计算出全体样本的隶属度矩阵即可获得最终的聚类结果.对10种数据集的实验结果表明:所提方法在聚类精度和稳定性方面优于当前最新的多目标聚类算法，且计算效率也获得较大的提升.

关键词：分类数据, 聚类, 多目标优化, 模糊中心点, 最优解集,