基于ε邻域的三支决策聚类分析

传统的聚类方法大都是二支决策,即决策一个元素属于一个类或者不属于一个类。然而在处理不确定性信息时,强制将其中的元素划分到一个类中,往往容易带来较高的决策风险。三支决策聚类将确定的元素放入核心域中,将不确定的元素放入边界域中延迟决策,可以有效地降低决策风险。利用数学形态学中膨胀与腐蚀的思想,提出了一种使用样本的ε邻域将二支聚类转化为三支聚类的方法。该方法在二支聚类的结果上,利用每个类中元素的ε邻域收缩得到核心域,扩张得到边界域。在UCI数据集上的实验结果显示该方法可以降低聚类结果的DBI,提高聚类结果的平均轮廓系数和准确率。