聚類分析在科學數據挖掘中的應用研究.pdf

1、如何讓各種數據挖掘技術更好地為實際工程所服務，一直是數據挖掘領域的一個挑戰(zhàn)。一方面是人們對快速、準確而全面獲取信息的渴望，而另一方面卻是各種信息的紛繁蕪雜，在這兩者之間架設一座橋梁的確是一個巨大的挑戰(zhàn)。聚類分析在數據挖掘技術中占有重要的位置。所謂聚類，是將一個數據單位的集合(數據源)分割成幾個稱為類或類別的子集，每個類內的對象之間是相似的，但不同類的對象間區(qū)別相對較大。聚類分析是在沒有先驗知識支持的前提下，根據事物本身的特性研究被聚類對

2、象的類別劃分，實現滿足這種要求的類的聚合，它所依據的原則是使同一類中的對象具有盡可能大的相似性，而不同類中的對象具有盡可能大的差異性。 論文基于大規(guī)模核物理科學數據挖掘的背景，全面介紹了數據挖掘的關鍵技術和主要任務，從理論、算法和應用三個層次，結合科學數據的特點來分析預處理技術和聚類方法，提出了很多實用的預處理方法：對HDF5科學數據進行分塊、除噪、集成、變換等，同時對它使用“截斷法”和“逐層求差法”進行規(guī)約，并對數據進行信息提

3、取。在聚類方面，經過比較各種聚類算法和分析科學數據的特點，提出了結合k一平均思想的改進型系統(tǒng)聚類算法。此聚類算法有如下特點：能生成具有代表性的數據簇中心；使用相似系數計算距離，避免了距離受量綱影響的缺點；不需要多次迭代計算，減少了計算量；不需要指定初始中心；改進了聚類圖，更容易得出聚類閥值。實驗結果表明這種改進的系統(tǒng)聚類算法非常適合科學數據的處理。 本文最后簡單介紹了我們開發(fā)的科學數據挖掘系統(tǒng)。其中重點介紹了聚類分析模塊的設計和