基于WEKA的模糊聚类算法研究

摘要

Internet上的数据规模大、动态性强，而通常发现的知识或规则很可能是不精确的、不完备的，为了克服以上困难，本文将模糊理论引入到聚类分析中，通过寻找模糊相似上近似集进行聚类，在确定聚类数目的过程中，引入平均信息熵进行最佳聚类。通过建立分类对象集上的模糊相似关系，构造模糊图并生成最小模糊支撑树聚类的方法对算法进行了改进。同时将模糊近似算法嵌入到WEKA平台，充分利用了开源WEKA中的类和可视化功能，扩充了WEKA系统的聚类算法，实验证明该算法对分类属性的数据具有很高的准确率。