面向符号型块数据的全局最优直觉模糊聚类分析方法

本发明涉及一种面向符号型块数据的直觉模糊聚类方法，通过同时考虑对象到类的隶属度和犹豫度，构建直觉模糊隶属度，最小化由直觉模糊隶属度加权的对象和类中心的距离，获得能够最大限度解决块数据的不确定性和模糊性的聚类划分。本发明基于面向符号型块数据的直觉模糊聚类方法，获得随机N组初始条件下的N组聚类划分，利用评价指标找到最优聚类划分对应的最优初始条件，并利用最优初始条件更新N组初始条件，通过不断迭代获得N组聚类划分和最优聚类划分对应的最优初始条件，找到全局最优的聚类划分。和其他同类型算法相比，性能有所提高，并有较好的可解释性，能较好的满足现在智能工厂应用的新需求。