基于信息熵的聚類個數(shù)確定方法研究.pdf

1、聚類分析作為一種無監(jiān)督學習方法，是數(shù)據(jù)?；约靶畔嚎s的一個基本工具，同時也是機器學習研究和數(shù)據(jù)挖掘應用中的一個重要內(nèi)容。迄今，針對不同的應用領域，研究者已經(jīng)提出了多種聚類算法，并在信息檢索、圖像處理、金融欺詐、醫(yī)療診斷和生物信息學等領域得到了廣泛的應用。然而提出的算法大多需要在算法運行前指定聚類個數(shù)，而在大部分實際應用中，聚類個數(shù)是不可能事先知道的，而且也很難預先指定聚類個數(shù)。因此，確定聚類算法中的聚類個數(shù)在聚類分析中具有非常重要的意

2、義。
　　本文針對聚類分析中聚類個數(shù)確定問題進行了較為深入的研究，主要內(nèi)容如下:
　　(1)針對分類型數(shù)據(jù)，運用信息熵給出了類與類之間的相異性度量，結合劃分和層次聚類的思想，提出了一種分類型數(shù)據(jù)聚類個數(shù)的確定算法，并在UCI數(shù)據(jù)集上通過實驗驗證了該算法的有效性。
　　(2)針對混合型數(shù)據(jù)，運用信息熵把數(shù)值型數(shù)據(jù)和分類型數(shù)據(jù)中類與類之間的相似性度量有效地統(tǒng)一起來，通過擴展分類效用函數(shù)給出了一個混合型數(shù)據(jù)聚類結果的有效性評

3、價指標，提出了一種混合型數(shù)據(jù)的聚類個數(shù)確定算法，并在UCI數(shù)據(jù)集上通過實驗驗證了該算法的有效性。
　　(3)基于B/S架構技術，設計并實現(xiàn)了一個聚類分析數(shù)據(jù)挖掘系統(tǒng)。該系統(tǒng)的主要功能包括數(shù)據(jù)預處理、聚類個數(shù)確定、初始聚類中心選擇、聚類算法和聚類結果可視化和系統(tǒng)管理等。系統(tǒng)采用了組件式開發(fā)技術，提供了友好的圖形界面和開放的編程接口，保證了系統(tǒng)的通用性和可擴展性。
　　本文的研究成果為分類型或混合型數(shù)據(jù)的聚類算法中類個數(shù)的選擇提