投影聚類算法及其應用的研究.pdf

1、隨著聚類分析的應用領域日益擴展，越來越多高維的、混合類型屬性數(shù)據(jù)需要處理。然而現(xiàn)有的大部分算法要么只能對低維數(shù)據(jù)有效，要么只能處理某一種特定類型的數(shù)據(jù)。針對這兩個矛盾，對高維的、三種混合類型(二元型，類別型，數(shù)值型)屬性數(shù)據(jù)的聚類算法做了一些研究。 首先，基于密度的分組方法(DGM)將數(shù)據(jù)集中每一維的數(shù)值型數(shù)據(jù)分別離散化，用區(qū)間標號替代其實際的數(shù)據(jù)值。然后，將數(shù)據(jù)集中所有有效數(shù)據(jù)統(tǒng)一編號，轉(zhuǎn)化成一個類別型數(shù)據(jù)集，去掉空缺值并添加

2、事務標識符后成為一個事務數(shù)據(jù)庫。在定義了最長頻繁閉項集(LFCI)的概念后，利用LFCI的兩個關鍵屬性，即(1)LFCI最大地覆蓋了事務；(2)LFCI能夠作為事務的描述，可將具有相同LFCI的事務歸為一簇。為了適應聚類的要求，對傳統(tǒng)的頻繁模式樹(FP-樹)從三個方面進行了改造，并詳細敘述了改造FP-樹的創(chuàng)建。分析挖掘LFCI的過程后，更新FP-樹以降低空間復雜度；根據(jù)LFCI的特點，導出無效樹的剪切策略以降低時間復雜度，給出的LFCI

3、-增長方法挖掘出每個事務的LFCI。從事務的多個LFCI中，選取一個作為該事務的描述，插入到定義的簇樹中。每一個從根節(jié)點到鏈接有事務標識符的節(jié)點即為一個簇，其路徑中的項對應于相關維，事務標識符對應于相關點。以上過程被總結成一個對高維混合屬性數(shù)據(jù)的聚類框架，它本質(zhì)上是投影聚類方法。 為了驗證聚類框架的性能，在模擬數(shù)據(jù)集上做了基于最長頻繁閉項集的算法(CA-LFCI)的伸縮性，對高維數(shù)據(jù)處理，對不同類型屬性處理，健壯性等方面的實驗。