论文部分内容阅读
决策树归纳算法是一种有监督学习算法，通过构造一棵树形模型达到对数据集合进行划分的目的。聚类算法则是一种无监督的学习算法，通过距离等度量方式，从而形成数据分组。近些年来，一些学者考虑将决策树学习和聚类算法两者结合起来，综合分析数据的各维属性，进而将数据集合进行更精准的分割。本文研究了一种对无类标的数据集合进行划分的算法，即无监督的模糊聚类决策树模型，通过提出一种新的结点一致性标准，从而将传统的模糊聚类决策树算法推广到无监督学习中。无监督的模糊聚类决策树的建立过程实际上是反复迭代聚类算法的过程，