基于寬度優(yōu)先搜索的K-medoids聚類算法研究.pdf

1、網(wǎng)絡(luò)的迅速發(fā)展和計(jì)算機(jī)存儲(chǔ)技術(shù)的不斷提升使得數(shù)據(jù)量爆炸式增長(zhǎng)，人們要從海量數(shù)據(jù)中挖掘出有用信息越來(lái)越難。數(shù)據(jù)挖掘是指從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)未知的、對(duì)決策有潛在意義的知識(shí)和規(guī)律，已廣泛應(yīng)用于諸多領(lǐng)域。聚類分析作為數(shù)據(jù)挖掘的一個(gè)重要研究分支，是一種數(shù)據(jù)劃分或分組處理的重要手段，旨在通過(guò)分析數(shù)據(jù)對(duì)象間的相似性把數(shù)據(jù)劃分成有意義的簇。
　　本文主要研究對(duì)象是K-medoids聚類算法，它是一種基于劃分的方法。首先介紹了聚類分析的相關(guān)概念，然后重點(diǎn)

2、對(duì)K-medoids聚類算法進(jìn)行了分析。該算法不易受極端數(shù)據(jù)的影響，應(yīng)用廣泛。但它具有對(duì)初始中心點(diǎn)敏感、中心點(diǎn)隨機(jī)選擇以及聚類精確度不夠高等缺點(diǎn)。本文主要從以下幾個(gè)方面進(jìn)行分析研究，并針對(duì)其缺點(diǎn)進(jìn)行相應(yīng)的改進(jìn)。
　　首先，針對(duì)傳統(tǒng)K-medoids聚類算法對(duì)初始中心點(diǎn)敏感的問(wèn)題，提出利用粒計(jì)算對(duì)傳統(tǒng)K-medoids算法進(jìn)行數(shù)據(jù)規(guī)約處理，獲取K個(gè)有效粒子，遴選該K個(gè)粒子所對(duì)應(yīng)的K個(gè)中心點(diǎn)作為初始中心點(diǎn)。數(shù)據(jù)規(guī)約算法在Iris、Wi

3、ne數(shù)據(jù)集中進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果顯示數(shù)據(jù)規(guī)約的中心點(diǎn)分別位于不同的簇中，從而避免了傳統(tǒng)算法對(duì)初始中心點(diǎn)敏感的問(wèn)題。
　　然后，在有效數(shù)據(jù)規(guī)約前提下，為解決傳統(tǒng)K-medoids聚類算法的收斂速度緩慢和聚類準(zhǔn)確率不夠高等缺點(diǎn)，提出了寬度優(yōu)先搜索策略。根據(jù)對(duì)象間的相似性分別對(duì)K個(gè)粒子中的對(duì)象建立以中心點(diǎn)為根結(jié)點(diǎn)的相似對(duì)象二叉樹，通過(guò)寬度優(yōu)先搜索遍歷二叉樹迭代出最優(yōu)中心點(diǎn)，以此來(lái)減少聚類算法的迭代次數(shù)；同時(shí)提出一種權(quán)衡簇內(nèi)和簇間距離的準(zhǔn)則