混合屬性數(shù)據(jù)聚類算法及其應(yīng)用.pdf

1、目前已有的聚類算法大部分局限于處理連續(xù)屬性或是分類屬性的數(shù)據(jù)，然而在實(shí)際應(yīng)用中，許多數(shù)據(jù)集是由連續(xù)屬性數(shù)據(jù)和分類屬性數(shù)據(jù)共同組成的，僅適用于單種數(shù)據(jù)類型的聚類算法就不能滿足需求。因此，對(duì)混合了分類屬性數(shù)據(jù)和連續(xù)屬性數(shù)據(jù)的聚類算法的研究，具有重要的理論意義和實(shí)際價(jià)值。
　　本文的主要研究工作包括以下幾個(gè)方面:
　　(1)首先介紹無(wú)監(jiān)督離散化算法和k-ANMI聚類算法，然后提出基于一種無(wú)監(jiān)督離散化的混合數(shù)據(jù)聚類算法，在UCI數(shù)據(jù)

2、集上的實(shí)驗(yàn)結(jié)果表明，提出的無(wú)監(jiān)督離散化的混合數(shù)據(jù)聚類算法聚類混合類型數(shù)據(jù)是非常有效的。
　　(2)有監(jiān)督離散化算法CAIM的介紹，然后提出基于有監(jiān)督離散化的混合數(shù)據(jù)聚類算法，在UCI混合數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，提出的算法優(yōu)于k-prototypes算法，UCI連續(xù)數(shù)據(jù)集上的實(shí)驗(yàn)證明，提出的基于有監(jiān)督離散化的連續(xù)數(shù)據(jù)聚類算法對(duì)比k-means算法具有更好聚類效果。
　　(3)介紹基于質(zhì)譜技術(shù)的蛋白質(zhì)鑒定以及蛋白質(zhì)推斷問題，然后