基于聚類生成樹的分類算法研究.pdf

1、目前在數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域存在許多分類算法和聚類算法。但使用聚類模型應(yīng)用于分類的算法仍然很少有人研究。這一思想起源于上世紀(jì)80年代，由于當(dāng)時(shí)計(jì)算機(jī)計(jì)算能力低下等原因，該主張一直未能得到深入研究。將聚類模型應(yīng)用于分類有著明顯的實(shí)際意義，聚類算法能夠發(fā)現(xiàn)隱藏在數(shù)據(jù)集中的潛在信息，如樣本間的相似度，樣本的分布特征等等，抽取這些信息用于指導(dǎo)樣本分類，方法直觀，符合人類思維邏輯。
　　本文針對(duì)將聚類模型應(yīng)用于分類算法這一思想，提出了兩種實(shí)

2、用高效的分類算法：二叉聚類生成樹分類算法和多叉聚類生成樹分類算法。這兩種算法的本質(zhì)是：迭代使用k-means系列算法將數(shù)據(jù)逐層劃分，進(jìn)而生成一棵富含多種信息的聚類樹。將此聚類樹作為模型，采用最近鄰分類算法思想對(duì)新樣本進(jìn)行類別劃分。實(shí)驗(yàn)驗(yàn)證算法在一些機(jī)器學(xué)習(xí)實(shí)驗(yàn)數(shù)據(jù)集上有較高的精度和性能。
　　本文提出的二叉聚類生成樹分類算法能夠發(fā)現(xiàn)數(shù)據(jù)集合中的各個(gè)獨(dú)立的聚類，能夠消除離群點(diǎn)干擾并提高分類精度。多叉聚類生成樹分類算法具有抵御噪聲變量