浅析模糊聚类分析在数据挖掘中的相关运用

王竞哲

【摘要】 数据挖掘是完成数据分析的关键，在数据挖掘中常用的一种方法就是聚类分析，在具体的分类中可遵循一定的原则和规律将重要数据实施分类，从而通过分析发现其应用价值。本文主要探讨的是模糊聚类分析在数据挖掘中的相关运用问题，在具体的分析中首先分析了常用的聚类算法，其次就模糊聚类分析相关内容展开分析，最后重点总结了模糊聚类分析在数据挖掘中的应用。

【关键词】 模糊聚类分析 数据挖掘 数据处理 应用分析

一、常用的聚类算法

聚类顾名思义就是将数据按照一定的规则进行分类整理，因此在数据分类中，不同的聚类方法有着不同的特点，常用的聚类算法主要有以下几种：

1、按照层次为基础的聚类。按照层次为基础的数据分类主要是根据层次将主要数据进行聚类，在具体操作中可以从上向下进行分解，同时也可以从下向上进行合并，这也是基于层次聚类的操作方法。在实际应用中要求假设数据是一次性给定的，属于一种非增量算法，这种聚类方法在单连接、全连接以及平均连接技术的时间以及空间复杂程度为0（n2）。

2、以划分为基础的聚类。通常根据实际需要建立n个划分，通过循环定位技术将研究数据从一个划分向另外一个划分移动，在移动中促进划分质量的改善。

3、以密度为基础的聚类。这种聚类方法主要以密度为基础，主要依据就是研究数据周围密度的不断增长，在具体的应用中有两种操作方法，一种是基于密度分布函数的聚类，另外一种方法就是以高密度连接区域为基础的聚类方法。……