一種基于密度的不確定性數(shù)據(jù)聚類算法.pdf

1、不確定數(shù)據(jù)處理技術(shù)和數(shù)據(jù)挖掘技術(shù)已經(jīng)在諸多的領(lǐng)域中得到了廣泛的應(yīng)用，在兩者結(jié)合的一個(gè)領(lǐng)域中，對(duì)于不確定數(shù)據(jù)聚類算法的研究已成為當(dāng)前的一個(gè)大的研究熱點(diǎn)。由于在不確定數(shù)據(jù)聚類方面的研究時(shí)間較短，現(xiàn)有的一些不確定數(shù)據(jù)聚類算法大都是從基于確定性數(shù)據(jù)聚類算法結(jié)合不確定數(shù)據(jù)特性轉(zhuǎn)化而來的，相對(duì)較為成熟的不確定數(shù)據(jù)聚類算法十分稀少。因此，隨著不確定性數(shù)據(jù)的不斷產(chǎn)生與發(fā)展應(yīng)用，對(duì)于不確定性數(shù)據(jù)聚類算法的研究也變的日益迫切。
　　論文在分析研究了不

2、確定數(shù)據(jù)特性、不確定數(shù)據(jù)相關(guān)處理技術(shù)、基于密度的確定性數(shù)據(jù)聚類算法、基于密度的不確定數(shù)據(jù)聚類算法等相關(guān)理論與技術(shù)的基礎(chǔ)上，總結(jié)出了對(duì)基于密度不確定性數(shù)據(jù)聚類算法進(jìn)行改進(jìn)的一般性方法過程，并根據(jù)該方法過程引入概率半徑和信息熵的概念，提出了一種改進(jìn)的基于密度的不確定性數(shù)據(jù)聚類算法，稱它為基于概率半徑和熵的不確定性數(shù)據(jù)密度聚類算法(ProbabilityRadiusand Entropy-Density-based Spatial Clust

3、ering of Application with Noise，PRE-DBSCAN)。首先，針對(duì)現(xiàn)有的算法對(duì)?-鄰域的約束并未考慮不確定性數(shù)據(jù)自身的因素，造成?-鄰域的不確定性數(shù)據(jù)范圍不夠精確的問題，給出了一個(gè)不確定數(shù)據(jù)對(duì)象的重要度的定義，并根據(jù)不確定數(shù)據(jù)對(duì)象的特性提出了概率半徑的概念，通過概率半徑PR對(duì)不確定數(shù)據(jù)對(duì)象鄰域范圍進(jìn)行限定和約束，提高對(duì)象鄰域的準(zhǔn)確性；其次，針對(duì)現(xiàn)有算法對(duì)核心對(duì)象的約束不夠精確的問題，結(jié)合不確定數(shù)據(jù)的特性，

4、引入了信息熵的概念，通過最小信息熵MinEn和對(duì)象鄰域內(nèi)最小數(shù)據(jù)點(diǎn)數(shù)量MinPts共同對(duì)核心對(duì)象進(jìn)行判斷，以減小核心對(duì)象的不確定性；最后，對(duì)比現(xiàn)有的PDBSCAN算法和FDBSCAN算法采用的索引技術(shù)，PRE-DBSCAN算法利用不確定數(shù)據(jù)的索引技術(shù)R*樹索引進(jìn)一步提高算法效率，并給出了新提出的PRE-DBSCAN算法的算法描述和偽代碼。
　　通過仿真實(shí)驗(yàn)對(duì)本文提出的PRE-DBSCAN算法在不確定數(shù)據(jù)聚類方面的能力進(jìn)行了驗(yàn)證，并