聚類(lèi)算法及其應(yīng)用研究.pdf

1、近年來(lái)，隨著數(shù)據(jù)采集和存儲(chǔ)技術(shù)的飛速發(fā)展，很多領(lǐng)域都積累了大量的數(shù)據(jù)。為了從數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的知識(shí)和規(guī)律，人們結(jié)合數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)及機(jī)器學(xué)習(xí)等技術(shù)，提出數(shù)據(jù)挖掘來(lái)解決這一難題。聚類(lèi)分析技術(shù)是數(shù)據(jù)挖掘中的經(jīng)典內(nèi)容，是各學(xué)科研究的重要工具。 本論文在廣泛閱讀相關(guān)文獻(xiàn)、深入了解聚類(lèi)算法的原理與應(yīng)用的基礎(chǔ)上，在算法的改進(jìn)、應(yīng)用上做了如下工作： (1)針對(duì)經(jīng)典的聚類(lèi)算法普遍存在的形狀依賴(lài)、合理的類(lèi)別參數(shù)選擇及對(duì)噪聲敏感等問(wèn)題，聯(lián)合數(shù)

2、值歸約、基于壓縮數(shù)據(jù)的變種K-means算法和加權(quán)投票法，同時(shí)結(jié)合RMSSTD&RS聚類(lèi)有效性指標(biāo)提出了一個(gè)自動(dòng)聚類(lèi)算法。較好的解決了帶噪聲的任意形狀的大數(shù)據(jù)集的聚類(lèi)問(wèn)題，并具有一定的增量處理能力。 (2)傳統(tǒng)的基于密度的算法和經(jīng)典的CLIQUE子空間聚類(lèi)算法都是從尋找數(shù)據(jù)的密集區(qū)域入手去解決問(wèn)題。本文從稀疏區(qū)域的角度出發(fā)進(jìn)行了子空間聚類(lèi)的嘗試，提出了基于競(jìng)爭(zhēng)的修剪方式和形式化的“投影尋蹤”搜索策略來(lái)得到合適的子空間并生成類(lèi)。實(shí)

3、驗(yàn)證明在控制計(jì)算復(fù)雜度的同時(shí)提高了算法的精度，在對(duì)輸入?yún)?shù)的魯棒性上也取得了較好的效果。 (3)針對(duì)具體的目標(biāo)識(shí)別問(wèn)題。首先對(duì)幾個(gè)具有一定分類(lèi)特性的特征進(jìn)行了簡(jiǎn)單的融合；接著在本文提出的子空間聚類(lèi)算法基礎(chǔ)上，采用基于競(jìng)爭(zhēng)的修剪方式得到了新的易于區(qū)分的特征；最后用確定的類(lèi)別參數(shù)代替聚類(lèi)有效性指標(biāo)作為投票法的類(lèi)融合停止準(zhǔn)則，建立了分類(lèi)器的多中心表達(dá)模型，并結(jié)合兩級(jí)糾錯(cuò)訓(xùn)練模式設(shè)計(jì)了合理有效的識(shí)別分類(lèi)器，在分類(lèi)測(cè)試中取得了較好的效果。

4、 本文的貢獻(xiàn)和創(chuàng)新主要體現(xiàn)在上述兩個(gè)算法的改進(jìn)和應(yīng)用上： (1)完成了自動(dòng)聚類(lèi)算法，其創(chuàng)新點(diǎn)體現(xiàn)在：一，結(jié)合多種方法較好的解決了傳統(tǒng)聚類(lèi)算法遇到的問(wèn)題；二，改進(jìn)了傳統(tǒng)的k-means算法使之適應(yīng)在壓縮數(shù)據(jù)上進(jìn)行聚類(lèi)操作；三，對(duì)投票法進(jìn)行了加權(quán)處理以適應(yīng)壓縮數(shù)據(jù)。 (2)針對(duì)高維數(shù)據(jù)的聚類(lèi)問(wèn)題提出了從稀疏區(qū)域著手的基于密度和網(wǎng)格的子空間聚類(lèi)算法，創(chuàng)新點(diǎn)體現(xiàn)在：一，提出了基于競(jìng)爭(zhēng)的修剪方式；二，提出了一種形式化的“投