XML聚類集成研究.pdf

1、XML聚類集成也與傳統(tǒng)的聚類集成算法一樣都是通過對原始數(shù)據(jù)集進(jìn)行學(xué)習(xí)和集成，得到一個能較好地反映數(shù)據(jù)集內(nèi)在結(jié)構(gòu)的數(shù)據(jù)劃分，因此它比單一XML聚類算法更能處理好數(shù)據(jù)集的噪聲和孤立點、獲得更好的聚類效果而成為當(dāng)前聚類分析的研究熱點之一。
　　XML聚類集成又分為小規(guī)模的XML聚類集成和大規(guī)模的XML聚類集成，由于目前大部分的聚類集成算法是針對小規(guī)模數(shù)據(jù)的聚類集成，這些算法應(yīng)用到大規(guī)模數(shù)據(jù)聚類集成中不會獲得好的聚類效果，因此，本文在研究

2、小規(guī)模數(shù)據(jù)的聚類集成的同時，特別針對大規(guī)模的XML數(shù)據(jù)進(jìn)行更深入的研究。為了達(dá)到實現(xiàn)XML聚類集成的目的，在研究聚類集成前，其首要任務(wù)就是選擇好的XML文檔相似度計算方法，通過本文設(shè)計出的XML文檔相似度的計算方法與傳統(tǒng)的相似度計算方法對比，選擇本文設(shè)計出的XML文檔相似度的計算方法具有更高的準(zhǔn)確性和精度，因此在本文的XML聚類集成研究中都采用本文設(shè)計的XML相似度計算方法;其次在研究小規(guī)模的XML聚類集成算法中，提出基于量子遺傳算法的

3、XML聚類集成解決方案，該方案實現(xiàn)的XML聚類質(zhì)量和聚類精度明顯比本文提出的兩種單一聚類算法的解決方案要好和高;
　　最后針對數(shù)據(jù)量從MB到GB和TB且結(jié)構(gòu)復(fù)雜、數(shù)據(jù)分布不均勻、噪聲多的XML大數(shù)據(jù)的聚類集成研究，提出并行AP傳播的XML大數(shù)據(jù)聚類集成解決方案，該方案先對每一個XML大數(shù)據(jù)進(jìn)行清洗、劃分和抽取，并從劃分的子集中抽取子樹，通過設(shè)計出的隨機子空間分類器并行地對抽取的子樹進(jìn)行訓(xùn)練，得到k個具有不同特征的訓(xùn)練子集的分類;其