基于聚合場(chǎng)模型的數(shù)據(jù)競(jìng)爭(zhēng)算法及其應(yīng)用研究.pdf

1、聚類分析是探索未知數(shù)據(jù)內(nèi)在結(jié)構(gòu)的一種統(tǒng)計(jì)分析方法,起源于分類學(xué),其重要性及在其他研究方向的交叉性得到研究者們的一致肯定。聚類分析是一種把數(shù)據(jù)集劃分成有意義的或者有用的組/簇的技術(shù),它已經(jīng)成為數(shù)據(jù)挖掘、模式識(shí)別等領(lǐng)域的主要研究?jī)?nèi)容。目前,聚類算法在彩色圖像分割、機(jī)器視覺(jué)、文本聚類、數(shù)據(jù)壓縮和信息檢索等領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用。另外,聚類還可以應(yīng)用于多關(guān)系數(shù)據(jù)挖掘、時(shí)空數(shù)據(jù)庫(kù)應(yīng)用、序列和異類數(shù)據(jù)分析、生物信息學(xué)以及市場(chǎng)營(yíng)銷等學(xué)科?，F(xiàn)存的劃分

2、聚類算法對(duì)孤立點(diǎn)和噪聲敏感,嚴(yán)重影響到算法的穩(wěn)定性。另外,由于數(shù)據(jù)的內(nèi)在結(jié)構(gòu)日趨復(fù)雜,對(duì)聚類的質(zhì)量也提出了更高的要求。本論文針對(duì)劃分聚類存在的問(wèn)題進(jìn)行了研究,主要進(jìn)行了以下幾個(gè)方面的工作:
　　(1)聚類分析是在一個(gè)合理的模型框架內(nèi),對(duì)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)進(jìn)行探索的過(guò)程。然而,現(xiàn)存的部分模型不能很好地描述劃分聚類問(wèn)題。本論文首先提出一種新的聚合場(chǎng)模型,定義不同數(shù)據(jù)對(duì)象的特征,以此為基礎(chǔ)設(shè)計(jì)了幾種去噪和處理孤立點(diǎn)的策略。隨后設(shè)計(jì)實(shí)現(xiàn)了一種

3、基于聚合能量的改進(jìn)K-Means算法——AEKMA,為K-Means提供更好的初始質(zhì)心。實(shí)驗(yàn)結(jié)果表明,AEKMA能夠?yàn)镵M算法進(jìn)行較好的初始化,改進(jìn)算法的性能超過(guò)K-Means算法。
　　(2)在深入研究聚合場(chǎng)模型原理的基礎(chǔ)上,設(shè)計(jì)實(shí)現(xiàn)了一種全新的基于數(shù)據(jù)競(jìng)爭(zhēng)的劃分聚類算法——DCA。DCA認(rèn)為所有的數(shù)據(jù)對(duì)象都可以作為潛在的代表點(diǎn),通過(guò)數(shù)據(jù)對(duì)象間的競(jìng)爭(zhēng)最終篩選出最適合作為代表點(diǎn)的數(shù)據(jù)對(duì)象的集合,隨后指導(dǎo)完成聚類過(guò)程。實(shí)驗(yàn)結(jié)果表明D

4、CA性能優(yōu)越,能夠去除孤立點(diǎn)帶來(lái)的干擾,聚類結(jié)果穩(wěn)定、有效,與其他常用的劃分聚類算法相比較具有明顯的優(yōu)勢(shì)。
　　(3)對(duì)DCA在文本數(shù)據(jù)上的應(yīng)用進(jìn)行深入的研究,發(fā)現(xiàn)如果DCA直接應(yīng)用于文本數(shù)據(jù)往往不能得到理想的聚類結(jié)果。其原因在于文本數(shù)據(jù)大多非結(jié)構(gòu)化、空間結(jié)構(gòu)復(fù)雜、高維稀疏,存在維數(shù)災(zāi)難現(xiàn)象。所以,優(yōu)化和改善文本的內(nèi)在結(jié)構(gòu)是解決文本聚類的一個(gè)新思路。譜聚類集成算法本質(zhì)上是完成數(shù)據(jù)從高維到低維的譜映射,可以獲得空間結(jié)構(gòu)相對(duì)簡(jiǎn)單的原數(shù)

5、據(jù)的低維嵌入,為聚類算法提供空間結(jié)構(gòu)簡(jiǎn)單的數(shù)據(jù)。據(jù)此,設(shè)計(jì)實(shí)現(xiàn)了一種基于數(shù)據(jù)競(jìng)爭(zhēng)的文本譜聚類集成算法——DCCESA,實(shí)驗(yàn)結(jié)果表明DCCESA獲得了比常用聚類集成算法更優(yōu)越的結(jié)果。該方法不僅聚類質(zhì)量高,而且算法的運(yùn)行效率也較好,是解決文本聚類集成問(wèn)題的有效方法。
　　(4)進(jìn)一步研究DCA在圖像分割領(lǐng)域中的應(yīng)用,由于DCA時(shí)間復(fù)雜度為O?n2?,不太適合處理大圖像。但是,一系列的實(shí)驗(yàn)表明DCA雖然在一定的軟硬件條件下不能勝任大圖像