基于輪廓系數(shù)的層次聚類算法研究.pdf

1、通過對(duì)國(guó)內(nèi)外聚類算法的研究情況分析可知，以往的聚類算法還存在諸多問題。傳統(tǒng)的層次聚類算法需要提前設(shè)定算法結(jié)束參數(shù)，決策過程時(shí)間復(fù)雜度高；層次聚類算法大多沒有利用已知的背景知識(shí)指導(dǎo)聚類過程，導(dǎo)致聚類結(jié)果的精確度不高；多數(shù)層次聚類算法忽略了對(duì)序列數(shù)據(jù)進(jìn)行聚類分析與應(yīng)用。本文針對(duì)這些問題，將研究重點(diǎn)放在基于輪廓系數(shù)的層次聚類算法的研究上，解決這些問題，對(duì)生命科學(xué)、醫(yī)學(xué)、社會(huì)科學(xué)以及地理科學(xué)等領(lǐng)域都有重要意義。
　　首先，提出一種基于輪廓

2、系數(shù)與熵的層次聚類算法。該算法通過增量地繪制待聚類數(shù)據(jù)集的平均改進(jìn)輪廓系數(shù)曲線得到最佳聚類簇?cái)?shù)k。在其后的凝聚層次聚類過程中，把熵作為指導(dǎo)聚類簇合并的相似性度量標(biāo)準(zhǔn)，通過計(jì)算簇間的加權(quán)距離排除孤立點(diǎn)簇。
　　其次，提出一種基于輪廓系數(shù)與約束的層次聚類算法。該算法把已知的成對(duì)實(shí)例約束結(jié)合到凝聚層次聚類過程中，利用已知的約束條件更新凝聚度矩陣，通過引入懲罰因子分別解決違反約束 must-link和約束cannot-link的問題。