初始類中心選擇及在非平衡數(shù)據(jù)中的聚類研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，特別是信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)上產(chǎn)生了大量不同形式的數(shù)據(jù)，尤其是非平衡數(shù)據(jù)。非平衡數(shù)據(jù)是指同一個(gè)數(shù)據(jù)集中某些類的樣本數(shù)遠(yuǎn)遠(yuǎn)小于其他類的樣本數(shù)，樣本數(shù)量的懸殊，往往伴隨著類別內(nèi)樣本密度的差別很大。k-means聚類算法是被人們使用最普遍的一種聚類算法，但是利用該算法來處理數(shù)據(jù)，容易選擇孤立點(diǎn)作為初始類中心，影響算法的執(zhí)行效果，因此，如何選擇合適的初始類中心成為一個(gè)亟待解決的問題。針對(duì)非平衡數(shù)據(jù)，k-means聚類

2、算法對(duì)于包含樣本數(shù)目多的類別來說準(zhǔn)確率較高，但對(duì)于包含樣本數(shù)目少的類則很低。在非平衡數(shù)據(jù)集中樣本數(shù)目少的類別往往隱藏更多的信息，因此，準(zhǔn)確的找出少數(shù)類中的樣本具有重要的意義。
　　針對(duì)k-means聚類方法，本文對(duì)算法的初始類中心點(diǎn)的選擇做了研究，并針對(duì)非平衡數(shù)據(jù)的聚類問題，對(duì)類簇間相似性度量的計(jì)算方法做了研究。本文主要取得了以下研究成果：
　?。?）結(jié)合譜聚類算法中的自適應(yīng)尺度和最大最小距離算法的思想，提出了基于稀疏度和距

3、離的初始類中心選擇算法。在選擇初始類中心時(shí)不僅考慮了初始類中心周圍樣本的分布，還考慮了不同初始類中心之間的距離。最后將提出的初始類中心選擇算法應(yīng)用于k-means和fuzzy k-means聚類算法的初始類中心選擇，在UCI和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明提出的算法是有效和可行的。
　　（2）受類簇間相似性度量方法中平均鏈接的啟發(fā)，提出了類簇相似性的計(jì)算方法，并提出了基于類簇相似度矩陣的類簇合并算法。也就是在求類簇之間的相似性時(shí)，在考慮

4、每個(gè)樣本的稀疏度的基礎(chǔ)上計(jì)算了所有樣本之間的平均相似度。最后將提出的類簇合并算法與改進(jìn)初始類中心選擇的k-means和fuzzy k-means聚類算法相結(jié)合，在非平衡數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明提出的算法是有效和可行的。
　　本文對(duì) k-means聚類算法的初始類中心選擇和非平衡數(shù)據(jù)的聚類問題進(jìn)行了一些研究，提出了Max_Min_SD算法和M_C_SA算法，通過實(shí)驗(yàn)表明了算法的有效性。在取得研究成果的同時(shí)，本文還有一些需要改進(jìn)和探討的