自適應(yīng)多趟聚類算法在無線網(wǎng)絡(luò)數(shù)據(jù)中的研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘是指從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)隱含的、新穎的、對(duì)決策有潛在價(jià)值的知識(shí)和規(guī)則的過程，已經(jīng)在許多領(lǐng)域得到了廣泛的應(yīng)用。聚類分析是數(shù)據(jù)挖掘領(lǐng)域最為重要的技術(shù)之一，在理論和方法上都取得了豐碩的研究成果。
　　無線網(wǎng)絡(luò)數(shù)據(jù)是電信數(shù)據(jù)的重要組成部分。來源于我國(guó)某區(qū)域的用戶語(yǔ)音通話信息，包含用戶標(biāo)識(shí)、通話質(zhì)量等屬性，這些屬性屬性共同決定了用戶的通話質(zhì)量。文中對(duì)無線網(wǎng)絡(luò)數(shù)據(jù)的研究，著眼于用戶語(yǔ)音狀況，尋找提高企業(yè)服務(wù)質(zhì)量的方案，助其因地制宜地為用戶提

2、供優(yōu)質(zhì)服務(wù)。無線網(wǎng)絡(luò)數(shù)據(jù)集規(guī)模龐大，適于數(shù)據(jù)挖掘的研究，而聚類算法處理后的數(shù)據(jù)，用戶記錄被分為多個(gè)簇，簇內(nèi)的相似度較高，簇間的相似度較低。針對(duì)具體簇內(nèi)的信息，結(jié)合簇間差異性，得出聚類結(jié)果并分析。根據(jù)數(shù)據(jù)集特征，選擇合適的聚類算法對(duì)結(jié)果至關(guān)重要。
　　當(dāng)今的聚類算法，根據(jù)各自的特性，可以劃分為若干類。每種聚類算法都有自己的適用范圍，在實(shí)際應(yīng)用中，需要根據(jù)具體數(shù)據(jù)集選擇聚類算法。KSummary聚類算法能夠較好的處理分類屬性及混合屬性

3、數(shù)據(jù)集。該算法提出用摘要信息表示一個(gè)簇，對(duì)分類屬性的處理方法，相比用取值頻率最高的屬性值來代表整個(gè)屬性值的取值方法，摘要信息的表示方法偏差更小，特別是在不同取值頻度差異不大的情況。但是該算法還存在一些缺點(diǎn):當(dāng)數(shù)據(jù)規(guī)模達(dá)到一定程度時(shí)，聚類個(gè)數(shù)K難以確定;算法對(duì)初值敏感;初始聚類中心選取不當(dāng)，算法易陷入局部最優(yōu)解。
　　本文提出使用自適應(yīng)多趟聚類分析方法對(duì)KSummary方法進(jìn)行改進(jìn)，針對(duì)KSummary算法在聚類個(gè)數(shù)及初始聚類中心選

4、擇上的問題，引入層次和密度聚類，對(duì)數(shù)據(jù)集進(jìn)行多趟聚類。第一趟，層次聚類用以確定聚類個(gè)數(shù)k;第二趟，密度聚類用以獲得較準(zhǔn)確的初始聚類中心點(diǎn);第三趟，迭代重定位，處理數(shù)據(jù)用以得到最終聚類結(jié)果。通過在數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果和分析表明，自適應(yīng)多趟聚類的分析方法有效地克服了KSummary算法的缺點(diǎn)，并且能夠得到穩(wěn)定、收斂、精度更高的結(jié)果。
　　最后，將自適應(yīng)多趟聚類分析方法應(yīng)用于無線網(wǎng)絡(luò)數(shù)據(jù)集。影響通信質(zhì)量的因素有很多，為了更準(zhǔn)確的分析出上行