基于領域知識的半監(jiān)督聚類算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘領域的基本方法之一，它根據(jù)數(shù)據(jù)對象之間的相似性，把數(shù)據(jù)對象分割成簇。從機器學習的角度，聚類分析被看作是一種無監(jiān)督的學習方法，對數(shù)據(jù)的分析不需要知道數(shù)據(jù)相關的類別信息。然而，在現(xiàn)實生活中，人們對所要分析數(shù)據(jù)的相關領域知識并非完全一無所知，通過這種知識能夠發(fā)現(xiàn)數(shù)據(jù)對象標識或相互之間的約束信息。半監(jiān)督聚類就是在聚類過程中引入先驗知識來指導聚類過程，從而改進聚類結果。目前，半監(jiān)督聚類方法已成為人們研究聚類方法的新熱點。

2、 本文從約束的角度、屬性的角度、規(guī)則的角度和實際應用的角度來研究半監(jiān)督聚類的實現(xiàn)方法及實際應用效果。本文的主要工作及創(chuàng)新點包括： 1、通過分析COP-KMeans算法，指出了其中的不足，引入按約束集分配的方法及輔助質心的概念，提出了改進的MLC-KMeans半監(jiān)督聚類算法，并通過實驗證明了改進算法的有效性； 2、針對屬性和類標識及屬性和約束的相互關系，一方面采取屬性約簡方法，通過分析已知的標識數(shù)據(jù)對象，來消除冗余的屬性，

3、在新的屬性集上進行聚類；另一方面，通過對約束對象屬性范圍進行限制，找到新的約束集合，來指導聚類過程。通過應用兩種方法，達到了較好的聚類效果； 3、利用關聯(lián)規(guī)則方法，通過分析數(shù)據(jù)集中的部分標識數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)屬性子集和類標識之間的關聯(lián)關系，并把此規(guī)則作為先驗知識，引入到聚類過程，來改進聚類效果?；陉P聯(lián)規(guī)則的半監(jiān)督聚類方法有效地利用了規(guī)則信息，展現(xiàn)了利用數(shù)據(jù)挖掘方法發(fā)現(xiàn)的先驗知識和屬性子集的關聯(lián)約束關系在半監(jiān)督聚類中的應用；