基于模糊聚類的增量式挖掘算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘的一個研究熱點(diǎn).業(yè)已廣泛研究的模糊聚類算法,往往只適用于靜態(tài)數(shù)據(jù)集的聚類;對于動態(tài)數(shù)據(jù)集,新增數(shù)據(jù)后前期的聚類結(jié)果不再可靠,而運(yùn)用此類算法重新聚類,勢必造成效率低下和計算資源浪費(fèi).針對上述問題,提出了基于模糊相似度的增量式聚類算法,并對基于C-均值和網(wǎng)格的增量式聚類算法進(jìn)行了研究.基于模糊相似度的增量式聚類算法逐個考查新增數(shù)據(jù),計算新增數(shù)據(jù)同已有聚類數(shù)據(jù)的相似程度,并和算法給定的閾值參數(shù)進(jìn)行比較,直接得到和全部數(shù)據(jù)重新

2、聚類相同的結(jié)果,避免了對模糊相似度矩陣進(jìn)行傳遞閉包等運(yùn)算;通過最大樹聚類算法中最大樹的生成過程,證明了該算法和常用的最大樹法、傳遞閉包法等聚類算法等價,相關(guān)實驗也證實了算法的等價性.并且增量式算法的聚類效率有較大提高.同時,對基于C-均值和網(wǎng)格的聚類算法進(jìn)行了改進(jìn)研究,通過對傳統(tǒng)的C-均值融入先驗知識,以及利用網(wǎng)格將空間量化的思想,分別實現(xiàn)了基于先驗知識的增量式C-均值聚類算法和基于網(wǎng)格的增量式聚類算法.在大型數(shù)據(jù)庫的知識發(fā)現(xiàn)中,在數(shù)據(jù)