田大增，吴静

1.河北大学物理科学与技术学院，河北保定 071002

2.河北大学数学与计算机学院，河北保定 071002

改进的粗糙模糊和模糊粗糙K-均值聚类算法

田大增1，吴静2

1.河北大学物理科学与技术学院，河北保定 071002

2.河北大学数学与计算机学院，河北保定 071002

在分析归纳原有聚类方法不足的基础上，结合粗糙理论和模糊理论，给出了改进的粗糙模糊K-均值聚类算法；设计了新的模糊粗糙K-均值聚类算法，并验证了该聚类算法的有效性；进而将这两种聚类算法应用到支持向量机中，对训练样本做预处理，以减少样本数目，提高了其训练速度和分类精度。

粗糙模糊K-均值聚类；模糊粗糙K-均值聚类；支持向量机

1 引言

随着信息技术的迅猛发展和人们搜集数据能力的日益增强，大量的数据库被用于商业管理、政府办公、科学研究和工程开发等领域。因此数据挖掘（Data mining）和知识发现技术应运而生，并得以蓬勃发展，越来越显示出其强大的生命力。数据挖掘已经引起了人们的广泛关注，成为国内外数据库和信息决策领域的最前沿研究方向[1-3]。

聚类[4]是数据挖掘领域最为常用的技术之一。随着计算机的发展和实际问题的需要，基于目标函数的聚类方法已成为聚类分析的主流。一方面是由于可以将聚类问题表述成优化问题，易与非线性规划领域联系起来，可用现代数学方法来求解；另一方面是由于计算机可以比较容易地实现算法的求解过程。各种聚类算法已经在许多领域得到了广泛的应用，在图像处理中被应用于图像分割[5]、图像增强、图像压缩等；……