語(yǔ)義減法聚類研究

　　針對(duì)傳統(tǒng)減法聚類算法需要人工輸入參數(shù)π1和π2的不足，對(duì)算法進(jìn)行改進(jìn)。引入AFS理論，通過(guò)隸屬度矩陣自動(dòng)確定密度半徑π1、半自動(dòng)確定權(quán)重參數(shù)π2。提出了改進(jìn)的語(yǔ)義減法聚類算法SDSCM，并在Iris和Wine數(shù)據(jù)集上將其與FCM、KMEANS算法進(jìn)行比較實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，SDSCM在評(píng)價(jià)指標(biāo)語(yǔ)義強(qiáng)度期望上高于FCM、KMEANS l%～5%。SDSCM的SPT指標(biāo)低于FCM、KMEANS，算法的類間分離度有待提高。SDSCM較好地解決了傳統(tǒng)減法聚類人工輸入?yún)?shù)π1和π2帶來(lái)的弊端，并給出了更貼近用戶給定語(yǔ)義的聚類。