基于最近鄰聚類的連續(xù)屬性離散化算法研究.pdf

1、數(shù)據(jù)挖掘是當(dāng)今數(shù)據(jù)庫(kù)和人工智能最活躍的研究領(lǐng)域之一,是知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Databases,KDD)的核心,它的目的在于發(fā)現(xiàn)數(shù)據(jù)中隱藏的、潛在的、未知的和有用的知識(shí),實(shí)質(zhì)上是在大型的數(shù)據(jù)庫(kù)中尋找數(shù)據(jù)間的普遍模式和規(guī)則。實(shí)際數(shù)據(jù)庫(kù)中存在著較多的連續(xù)型數(shù)值,而現(xiàn)有的一些數(shù)據(jù)挖掘方法只能處理離散型數(shù)值,因而需要對(duì)連續(xù)型數(shù)值進(jìn)行離散化。
　　因此,連續(xù)屬性離散化方法作為數(shù)據(jù)挖掘領(lǐng)域重要的基礎(chǔ)性工作,直

2、接影響到數(shù)據(jù)挖掘的質(zhì)量。連續(xù)屬性離散化已經(jīng)成為數(shù)據(jù)挖掘理論中一個(gè)非常重要的研究方向,在某種程度上,連續(xù)屬性離散化程度的好壞,將決定數(shù)據(jù)挖掘結(jié)果的優(yōu)劣。
　　本文根據(jù)最近鄰聚類的算法思想,提出了一種基于最近鄰聚類的連續(xù)屬性離散化算法,其是一種基于整體屬性的全局離散化,用兩步走的策略來(lái)完成。
　　本文所做的主要工作如下:
　　第一、分析了連續(xù)屬性離散化的課題研究背景,綜述了連續(xù)屬性離散化的國(guó)內(nèi)外研究現(xiàn)狀,并指出了連續(xù)屬性離

3、散化研究面臨的挑戰(zhàn)和不足。
　　第二、分析了數(shù)據(jù)挖掘理論的相關(guān)知識(shí),如數(shù)據(jù)挖掘的定義和數(shù)據(jù)挖掘的基本過程等。最重要的是在論文的第二章給出了連續(xù)屬性離散化問題的數(shù)學(xué)描述、連續(xù)屬性離散化的意義和重要性、連續(xù)屬性離散化算法的目標(biāo)、連續(xù)屬性離散化算法的分類并分析了目前常見的連續(xù)屬性離散化算法。
　　第三、介紹了聚類分析的相關(guān)概念、聚類的過程及一些主要的聚類方法等。并重點(diǎn)分析了最近鄰聚類算法。
　　第四、研究了最近鄰聚類和連續(xù)屬