聚類有效性指標(biāo)結(jié)構(gòu)分析及應(yīng)用.pdf

1、聚類技術(shù)作為數(shù)據(jù)挖掘領(lǐng)域的重要分支，其目的是采用一定的手段（算法）將數(shù)據(jù)集劃分為有意義的類（或簇），使得同一類內(nèi)的樣本在一定的標(biāo)準(zhǔn)（或規(guī)則）下相似性較高，而不同類的樣本則表現(xiàn)較高的相異性。目前聚類技術(shù)已經(jīng)在模式識別、生物醫(yī)學(xué)、工業(yè)生產(chǎn)等諸多領(lǐng)域得到廣泛的應(yīng)用。
　　聚類過程的算法選擇和基于聚類有效性指標(biāo)的聚類結(jié)果評估是聚類過程中最為重要的步驟。目前，國內(nèi)外學(xué)者針對不同的數(shù)據(jù)集結(jié)構(gòu)及應(yīng)用背景提出了多種不同的聚類算法，其均有一定的適用

2、性及局限性。聚類指標(biāo)的有效性評價則對一個確定的目標(biāo)數(shù)據(jù)集在不同算法下的聚類結(jié)果提出了一個量化標(biāo)準(zhǔn)，有助于評估不同算法表現(xiàn)的優(yōu)劣性或者同一算法對不同參數(shù)的敏感性。
　　本文在現(xiàn)有的聚類算法和有效性指標(biāo)基礎(chǔ)上，對近些年發(fā)展起來的譜聚類算法進(jìn)行了分析研究，提出了基于NJW(Ng-Jordan-Weiss)算法的聚類評價指標(biāo)，用以評估聚類的類數(shù)，另外，針對電學(xué)層析成像技術(shù)，提出了依據(jù)有效性指標(biāo)進(jìn)行聚類算法選擇的方案。
　　在本文中，

3、作者主要做了以下方面的工作及研究：
　　對現(xiàn)有的聚類算法和聚類有效性指標(biāo)做了比較分析和分類描述，總結(jié)出若干典型聚類算法的應(yīng)用背景及局限性；
　　對近些年發(fā)展起來的譜聚類算法做了概述，并總結(jié)了現(xiàn)有譜聚類算法的基本流程，在此基礎(chǔ)上提出了基于NJW算法的聚類評價新指標(biāo),該指標(biāo)在人工數(shù)據(jù)集及真實數(shù)據(jù)集的測試中均驗證了可行性，聚類準(zhǔn)確性優(yōu)于已有的指標(biāo)；
　　將聚類算法應(yīng)用到了電學(xué)層析成像技術(shù)中，對樣本數(shù)據(jù)集采用四種不同的算法聚類