基于新度量的聚類算法應用.pdf

1、隨著數(shù)據(jù)收集和數(shù)據(jù)存儲技術的快速進步，使得各組織機構(gòu)和企業(yè)可以積累各種海量數(shù)據(jù)。然而，從這些海量數(shù)據(jù)中提取出有用的信息和未知的模式成為巨大的挑戰(zhàn)。數(shù)據(jù)挖掘作為一門新興技術，它結(jié)合了傳統(tǒng)的數(shù)據(jù)統(tǒng)計分析方法與處理大量數(shù)據(jù)的復雜邏輯算法，引起了整個社會的極大關注。
　　聚類分析是數(shù)據(jù)挖掘中廣泛應用的方法之一，目前很多學者對聚類度量和算法進行了大量的研究，并提出很多新穎的度量，改進了各種聚類算法，目的就是盡可能產(chǎn)生好的聚類效果。本文針對這

2、一目標，首先對聚類分析的數(shù)學定義以及在聚類時所選取的各種常用度量等基礎性理論作了一些相關介紹和準備。在此基礎上，本文將王興華在1982年[1]中關于生物群論和生態(tài)位相似性分析中提出的新度量和觀點引入聚類分析，并將其作為一種新的相似性度量，從聚類分析和數(shù)據(jù)挖掘的角度對這一新度量做了系統(tǒng)性的理論研究，給出了相應的定義，并對其數(shù)學性質(zhì)進行了分析，指出相對于其它一些常用的度量，該新度量的一些好的性質(zhì)，并給出了理論上的證明和基于模型數(shù)據(jù)的數(shù)值結(jié)果