基于覆蓋的聚類算法研究.pdf

1、“物以類聚,人以群分”,聚類伴隨著人類社會的產(chǎn)生和發(fā)展而不斷深化,人類要認(rèn)識世界就必須區(qū)分不同的事物并認(rèn)識事物間的相似性,而每個概念的最初形成無不借助于事物的聚類分析。聚類分析是數(shù)據(jù)挖掘領(lǐng)域中的一項重要的研究課題,它既可以作為單獨的工具以發(fā)現(xiàn)數(shù)據(jù)源的數(shù)據(jù)分布信息,也可以作為其他數(shù)據(jù)挖掘算法的一個預(yù)處理步驟,因此研究如何提高聚類算法的性能具有重要的意義。本文首先研究分析了數(shù)據(jù)挖掘、聚類的基本概念和一般方法,對聚類分析的前期工作:樣本數(shù)據(jù)規(guī)

2、格化、距離計算、關(guān)聯(lián)程度的計算方法進(jìn)行了綜述;然后詳細(xì)分析了現(xiàn)有的聚類算法,指出了它們的優(yōu)缺點,重點提出了一種新的聚類算法——覆蓋聚類算法(CCA),同時對提出的算法進(jìn)行了一定的應(yīng)用研究,歸納起來,本文的主要研究工作如下: (1)討論了當(dāng)前一些代表性的聚類算法,詳細(xì)研究分析了基于統(tǒng)計理論的系統(tǒng)聚類算法、基于劃分的K-means算法、基于矢量的LBG算法,對三種算法的數(shù)學(xué)理論、實現(xiàn)過程、性能進(jìn)行了評述,并指出了它們的優(yōu)點與缺點,為