實(shí)用分級(jí)聚類算法的研究及其應(yīng)用.pdf

1、作為社會(huì)信息化、數(shù)據(jù)爆炸式增長(zhǎng)的一種產(chǎn)物，數(shù)據(jù)挖掘具有發(fā)現(xiàn)數(shù)據(jù)中隱含信息的功能，能有效的從混亂無(wú)章的數(shù)據(jù)中提煉有用知識(shí)。聚類分析是一種無(wú)監(jiān)督的學(xué)習(xí)方式，能有效發(fā)現(xiàn)數(shù)據(jù)自身的固有屬性，也是數(shù)據(jù)挖掘的重要組成部分。隨著聚類分析算法大量深入的研究，其理論價(jià)值和實(shí)際應(yīng)用價(jià)值日益凸顯，受到科研工作者和技術(shù)從業(yè)者的廣泛關(guān)注。
　　聚類分析算法主要包含以下幾種:基于劃分的聚類、層次聚類、基于密度的聚類、基于模型的聚類等。每一種聚類算法都有其特定

2、的適用領(lǐng)域，沒(méi)有一種聚類算法能夠適應(yīng)多種數(shù)據(jù)類型以及應(yīng)用領(lǐng)域。針對(duì)這一現(xiàn)狀，本文提出了一種相對(duì)能適合多種數(shù)據(jù)類型及應(yīng)用領(lǐng)域的實(shí)用分級(jí)聚類算法，通過(guò)理論分析和實(shí)例應(yīng)用驗(yàn)證了算法的有效性。本文所做工作如下:
　　1.研究聚類分析的典型算法，分析了典型聚類算法所存在的優(yōu)缺點(diǎn)，重點(diǎn)分析了K-means算法以及DBSCAN（Density-Based Spatial Clustering of Applications with Noise

3、）算法的聚類原理以及優(yōu)缺點(diǎn)。最后，從多種角度分析了聚類算法的要求以及算法是否有效的評(píng)價(jià)指標(biāo)。
　　2.針對(duì)K-means算法以及DBSCAN算法的缺陷，提出了一種實(shí)用分級(jí)聚類算法。算法引入數(shù)據(jù)競(jìng)爭(zhēng)以及聯(lián)系性權(quán)重，將聚類過(guò)程分為小簇劃分和小簇合并兩級(jí)。競(jìng)爭(zhēng)思想和聯(lián)系性權(quán)重的引入保證了小簇合并的合理性。
　　3.針對(duì)五種不同類型的二維人工數(shù)據(jù)集，利用Matlab實(shí)驗(yàn)平臺(tái)從聚類準(zhǔn)確度、聚類時(shí)間、能否處理凸?fàn)詈头峭範(fàn)畹葟?fù)雜數(shù)據(jù)類型等

4、角度以及評(píng)價(jià)聚類有效性的外部準(zhǔn)則驗(yàn)證了所提實(shí)用分級(jí)聚類算法的有效性和實(shí)用性。最后在高維、公開的鳶尾花數(shù)據(jù)集上驗(yàn)證了算法對(duì)于高維數(shù)據(jù)的聚類準(zhǔn)確性。
　　4.將本文提出的實(shí)用分級(jí)聚類算法同主元分析(PCA)結(jié)合，提出PCA-分級(jí)聚類算法。將實(shí)用分級(jí)聚類算法以及PCA-分級(jí)聚類算法運(yùn)用到冠心病病理數(shù)據(jù)以及肝炎病理數(shù)據(jù)中，驗(yàn)證了本文提出的實(shí)用分級(jí)聚類算法和PCA-分級(jí)聚類的有效性，同時(shí)實(shí)用分級(jí)聚類算法和PCA-分級(jí)聚類能夠發(fā)現(xiàn)病理數(shù)據(jù)中隱