基于劃分的聚類算法研究.pdf

1、由于計(jì)算機(jī)數(shù)據(jù)采集工具及關(guān)系數(shù)據(jù)庫技術(shù)的發(fā)展，目前各個(gè)行業(yè)都存儲(chǔ)了大量的數(shù)據(jù)。傳統(tǒng)的數(shù)據(jù)分析手段難以應(yīng)付大量的數(shù)據(jù)，從而導(dǎo)致越來越嚴(yán)重的數(shù)據(jù)災(zāi)難，數(shù)據(jù)挖掘技術(shù)的發(fā)展為解決這一問題提供了有效途徑。 數(shù)據(jù)挖掘(Data Mining)，也稱數(shù)據(jù)庫的知識(shí)發(fā)現(xiàn)(Knowledge Discovery in database)，是指從大量的原始數(shù)據(jù)中挖掘出隱含的、有用的、尚未發(fā)現(xiàn)的知識(shí)和信息。與傳統(tǒng)的統(tǒng)計(jì)、總結(jié)方法相比，數(shù)據(jù)挖掘技術(shù)涉及到

2、多個(gè)學(xué)科，匯集了人工智能、模式識(shí)別、數(shù)據(jù)庫、機(jī)器學(xué)習(xí)以及管理信息系統(tǒng)等學(xué)科的成果。數(shù)據(jù)挖掘是一個(gè)新興的邊緣學(xué)科，其應(yīng)用領(lǐng)域非常廣泛，并具有良好的應(yīng)用前景。 聚類分析是數(shù)據(jù)挖掘的重要組成部分。所謂聚類，是將一個(gè)數(shù)據(jù)單位的集合(數(shù)據(jù)源)分割成幾個(gè)稱為簇或類別的子集。聚類分析依據(jù)的原則是使同一聚簇中的對象具有盡可能大的相似性，而不同聚簇中的對象具有盡可能大的相異性。聚類分析主要解決的問題是如何在沒有先驗(yàn)知識(shí)的前提下，實(shí)現(xiàn)滿足這種要求的

3、聚簇的集合。本文主要工作包括： (1) 首先介紹了什么是數(shù)據(jù)挖掘，包括數(shù)據(jù)挖掘的產(chǎn)生背景和定義，然后介紹了目前國內(nèi)外數(shù)據(jù)挖掘中研究的一部分重要內(nèi)容的概況，包括關(guān)聯(lián)規(guī)則、數(shù)據(jù)綜合和概括、數(shù)據(jù)分類、數(shù)據(jù)聚類等，最后介紹了數(shù)據(jù)挖掘在研究和應(yīng)用中所面臨的挑戰(zhàn)，正是這些挑戰(zhàn)推動(dòng)了數(shù)據(jù)挖掘研究的進(jìn)一步發(fā)展。 (2) 對現(xiàn)有的各種聚類分析算法的對比性研究。 (3) 基于劃分的聚類方法的改進(jìn)。基于劃分的方法是聚類分析中較為主要的