语义减法聚类研究

　　针对传统减法聚类算法需要人工输入参数π1和π2的不足，对算法进行改进。引入AFS理论，通过隶属度矩阵自动确定密度半径π1、半自动确定权重参数π2。提出了改进的语义减法聚类算法SDSCM，并在Iris和Wine数据集上将其与FCM、KMEANS算法进行比较实验。实验结果表明，SDSCM在评价指标语义强度期望上高于FCM、KMEANS l%～5%。SDSCM的SPT指标低于FCM、KMEANS，算法的类间分离度有待提高。SDSCM较好地解决了传统减法聚类人工输入参数π1和π2带来的弊端，并给出了更贴近用户给定语义的聚类。