模糊C均值聚類及其有效性檢驗與應(yīng)用研究.pdf

1、聚類是數(shù)據(jù)分析、知識發(fā)現(xiàn)和智能決策等領(lǐng)域中的重要研究內(nèi)容。模糊C均值（Fuzzy C-means，F(xiàn)CM）聚類是應(yīng)用最為廣泛的模糊聚類方法之一，與K-means和層次聚類等硬聚類方法不同，F(xiàn)CM聚類引入了隸屬度和模糊度的概念，從而使得其應(yīng)用范圍更加廣泛。然而，傳統(tǒng)的FCM聚類存在諸多缺陷，例如確定最佳聚類數(shù)目較為困難，聚類劃分受到數(shù)據(jù)分布的影響，模糊度參數(shù)的選擇顯著影響聚類結(jié)果，易陷入局部極小等。特別是在大數(shù)據(jù)背景下，數(shù)據(jù)量急劇增加的同

2、時，數(shù)據(jù)形態(tài)也更加復(fù)雜，這給傳統(tǒng)FCM聚類方法的應(yīng)用帶來了嚴峻挑戰(zhàn)。因此，研究FCM聚類及其有效性檢驗方法與應(yīng)用，對于提高FCM聚類性能、豐富聚類相關(guān)理論以及促進模糊聚類的廣泛應(yīng)用具有重要意義。
　　本文在對國內(nèi)外關(guān)于FCM聚類及其有效性檢驗相關(guān)研究進行總結(jié)和評述的基礎(chǔ)上，采用理論分析、數(shù)據(jù)實驗和應(yīng)用研究相結(jié)合的方法，對FCM聚類及其有效性檢驗方法，以及這些方法在電力系統(tǒng)負荷數(shù)據(jù)分類中的應(yīng)用進行了較為深入的研究。本文的主要研究內(nèi)容

3、和創(chuàng)新點總結(jié)如下:
　　(1)提出了一種加權(quán)形式的模糊聚類有效性指標。首先系統(tǒng)地分析、總結(jié)和評述了主要的模糊聚類有效性指標及其存在的問題，在此基礎(chǔ)上，構(gòu)建了一種加權(quán)形式的模糊聚類有效性指標。實驗結(jié)果表明，通過合理地設(shè)置不同指標的權(quán)重，加權(quán)指標解決了傳統(tǒng)聚類有效性指標的不足，能夠較好地識別給定數(shù)據(jù)集的最佳聚類數(shù)，為模糊聚類有效性研究提供了新的思路。
　　(2)構(gòu)建了一個考慮數(shù)據(jù)集中數(shù)據(jù)類大小和密度差異的模糊聚類有效性指標。為有

4、效處理包含大小和密度差異較大數(shù)據(jù)類數(shù)據(jù)集的模糊聚類有效性問題，提出了由緊致性、重疊度和分離性三個度量因子構(gòu)成的新的模糊聚類有效性指標COS。COS指標以一定閾值范圍內(nèi)的所有樣本點到某類的隸屬度之和與最大類內(nèi)距離之比度量該類的緊致性，用一定閾值范圍內(nèi)某樣本點屬于兩個類的隸屬度差異表示這兩個類之間的重疊度，同時用所有類之間的最小距離表示類間分離性，最佳聚類數(shù)由COS指標的極大值確定。實驗結(jié)果表明，提出的COS指標能夠有效發(fā)現(xiàn)數(shù)據(jù)集中的小類和

5、低密度類，為解決包含大小和密度差異較大類數(shù)據(jù)集的模糊聚類有效性問題，提供了一定的理論支撐。
　　(3)探究了FCM聚類對數(shù)據(jù)分布的均勻效應(yīng)。從理論上分析了FCM聚類算法目標函數(shù)的構(gòu)成，指出了其目標函數(shù)中三個因子ninj、‖vi-vj‖2和μm會對FCM聚類結(jié)果產(chǎn)生影響，提出了基于數(shù)據(jù)分布視角的FCM聚類有效性評價準則和模糊度參數(shù)選擇準則以及選擇算法，在人工數(shù)據(jù)集和真實數(shù)據(jù)集上進行的廣泛實驗進一步揭示了FCM聚類的均勻效應(yīng)，以及模糊

6、度參數(shù)取值對這種均勻效應(yīng)的影響。這對理解FCM聚類劃分的結(jié)果、提高其應(yīng)用性能以及實際應(yīng)用中選擇合適的模糊度參數(shù)值具有指導(dǎo)意義。
　　(4)提出了基于聚類有效性的FCM模糊度參數(shù)選擇方法，并將這一方法應(yīng)用于電力負荷曲線的分類?；诶镁垲愑行灾笜舜_定最佳聚類數(shù)的思路，提出了利用模糊聚類有效性指標選擇最優(yōu)模糊度參數(shù)值，并給出了基于聚類有效性的FCM模糊度參數(shù)選擇方法的具體步驟。實驗研究表明，現(xiàn)有研究中廣泛使用的模糊度取值并不總是最優(yōu)

7、的。將這一方法用于智能電網(wǎng)環(huán)境下的負荷曲線分類問題，提高了FCM聚類在負荷曲線分類中的實用性。
　　(5)研究了智能算法優(yōu)化的FCM聚類在電力系統(tǒng)綜合負荷特性分類和需求側(cè)管理（Demand Side Management, DSM）中的應(yīng)用。針對傳統(tǒng)FCM聚類易陷入局部極小的問題，指出利用模擬退火算法和遺傳算法優(yōu)化的FCM聚類能夠有效提高其全局搜索能力，將模擬退火和遺傳算法優(yōu)化的FCM聚類方法應(yīng)用于電力系統(tǒng)綜合負荷特性和負荷曲線的