基于分治法的聚類方法研究.pdf

1、在數(shù)據(jù)挖掘中，聚類分析是一個重要研究方向，它研究的內(nèi)容、方法和工具被廣泛應(yīng)用于現(xiàn)實生活中。比如金融詐騙、醫(yī)療事故診斷、圖像處理、信息檢索和生物科學(xué)等領(lǐng)域。近年來，聚類算法研究成為一個非常熱門的研究領(lǐng)域并且取得了豐碩的成果。然而，隨著科學(xué)技術(shù)的不斷發(fā)展，數(shù)據(jù)規(guī)模不斷的擴大，研究數(shù)據(jù)的屬性也不單單是數(shù)值型數(shù)據(jù)，出現(xiàn)了分類數(shù)據(jù)和混合數(shù)據(jù)。針對高維大數(shù)集的特點數(shù)據(jù)分布具有稀疏性、噪聲數(shù)據(jù)較多，當(dāng)維度很高時，還可能出現(xiàn)“距離趨零現(xiàn)象”，即距給定數(shù)

2、據(jù)點最遠及最近的數(shù)據(jù)點間的距離差隨著維度的增加日趨減小。由于分類屬性數(shù)據(jù)缺少固定的幾何模型，不能將原有的數(shù)值屬性數(shù)據(jù)聚類算法應(yīng)用于分類屬性數(shù)據(jù)中。因此，分類屬性數(shù)據(jù)聚類算法的研究引起了廣泛地關(guān)注并被作為一項重要的研究內(nèi)容。
　　本文主要研究在模糊K-Means和模糊K-Modes聚類算法框架下，引入了分治法，對大數(shù)據(jù)集和分類屬性數(shù)據(jù)聚類算法進行了擴充，研究成果如下:
　　(1)基于分治法的大數(shù)據(jù)集聚類方法是將大規(guī)模數(shù)據(jù)集分成

3、若干個子集，對每個子集同時聚類，最后對各個子集的聚類結(jié)果合并，得出最后的聚類結(jié)果。此方法克服了大規(guī)模數(shù)據(jù)數(shù)據(jù)量大、維數(shù)高可能出現(xiàn)的“距離趨零現(xiàn)象”的不足，同時由于將大規(guī)模數(shù)據(jù)分解為小規(guī)模的數(shù)據(jù)的聚類減少了聚類的復(fù)雜度。此方法在人造數(shù)據(jù)集上進行了實驗，實驗結(jié)果表明基于分治法的大數(shù)據(jù)集聚類方法是有效的。
　　(2)基于分治法的分類數(shù)據(jù)集聚類方法是將分治法應(yīng)用于模糊K-Modes聚類算法中，把龐大復(fù)雜的分類數(shù)據(jù)集分解為幾個規(guī)模較小的子集