1、決策樹歸納算法是一種有監(jiān)督學習算法，通過構造一棵樹形模型達到對數(shù)據(jù)集合進行劃分的目的。聚類算法則是一種無監(jiān)督的學習算法，通過距離等度量方式，從而形成數(shù)據(jù)分組。近些年來，一些學者考慮將決策樹學習和聚類算法兩者結合起來，綜合分析數(shù)據(jù)的各維屬性，進而將數(shù)據(jù)集合進行更精準的分割。
　　本文研究了一種對無類標的數(shù)據(jù)集合進行劃分的算法，即無監(jiān)督的模糊聚類決策樹模型，通過提出一種新的結點一致性標準，從而將傳統(tǒng)的模糊聚類決策樹算法推廣到無監(jiān)督學習

2、中。無監(jiān)督的模糊聚類決策樹的建立過程實際上是反復迭代聚類算法的過程，采用模糊C均值聚類算法對集合劃分，通過決策樹穩(wěn)定性指標判斷當前樹結構是否穩(wěn)定，如果穩(wěn)定，則利用結點一致性指標選擇下一個數(shù)據(jù)集合進行劃分。這樣，通過對數(shù)據(jù)集合不斷的細化提純，最終建立出一棵完整的樹形結構。
　　實驗分為兩個部分，第一部分驗證了本文提出的算法比一些傳統(tǒng)的聚類算法在幾個UCI數(shù)據(jù)集上的性能更優(yōu)。第二部分將本文提出的算法應用到了玉米種質篩選的過程中，通過對