自動k-均值聚類的變量選擇與異常檢測.pdf

1、由于社會經濟和信息技術的迅猛發(fā)展，數據庫的應用范圍越來越廣泛，各行各業(yè)的數據量都在不停增長。為了發(fā)掘蘊含在這些數據中的信息，數據挖掘得到了更大的重視。其中，聚類方法在數據挖掘的研究中扮演著重要的角色，而在眾多聚類方法中，k-均值算法使用得最為廣泛。然而，在使用的過程中k-均值方法也存在很多問題。首先，變量選擇和異常檢測是成功運用聚類方法的關鍵問題，其次，對于廣泛使用的k-均值聚類算法來說，其自身又存在聚類類數確定和初始聚心選擇的兩大難題

2、。
　　針對k-均值算法的一系列問題，本文提出了一種自動的k-均值聚類方法，該方法包含有三個過程:（1）隨機抽取樣本，利用層次聚類和Mojena法則來確定聚類的類數，得到初始聚心，然后結合k-均值方法對全體數據實現聚類；（2）根據Brusco和Cradit（2001）提出的VS-KM方法來選擇聚類變量，確定聚類結構；（3）運用基于距離的異常檢測和基于聚類的異常檢測方法來綜合進行異常檢測。
　　為了展示自動k-均值聚類方法的實