刘永立

(北京财贸职业学院信息物流系，北京101101)

一种利用多主体领域系统进行数据聚类的新方法*

刘永立*

(北京财贸职业学院信息物流系，北京101101)

提出一种数据聚类方法:MATS，该方法受蚁群算法启发，同时应用存在性技术，例如密度概念和聚类有效性指数(DB -指数)。MATS可以自动根据一些与数据集不直接相关的参数找到簇。实验结果证明了MATS可以识别不规则簇并能有效应用于图像分割，在图像分割速度和效果方面比传统聚类算法(如FCM算法)有明显提高。

数据挖掘;多主体领域系统;数据聚类;图像分割

数据聚类是按照某种相似性度量，将具有相似特征的样本归为一类，使得类内差异相似度较小，类间差异较大。但目前为止，还没有任何一种聚类技术(聚类算法)可以普遍适用于揭示不同的数据集结构，一般来说，不同的聚类技术应用于不同场合和领域。

数据聚类在很多领域都有应用。其中，在模式识别及图像分割领域近年来有很多新的研究成果。Pwitt首先提出了图像分割时应该采用模糊处理的方法［1］。同时训练样本图像的匮乏又需要无监督分析，而模糊聚类正好满足这两方面的要求，因此模糊聚类分析成为图像分割中一个强大的研究分析工具［2］。

在实际中，应用最广泛当属Bezkek于1981年提出的模糊C-均值算法FCM(Fuzzy C-Means)，此算法在本质上是一种多次迭代局部寻优的过程，其结果在很大程度上依赖于初始值的设定，很容易陷入局部最优值。为解决此缺点，许多学者通过借鉴智能算法的全局寻优、收敛速度快的优点，将其与FCM结合在一起，可以得到许多基于智能计算的模糊聚类图像分割算法。……