針對(duì)混合數(shù)值型和分類型屬性數(shù)據(jù)的劃分式聚類算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘領(lǐng)域的主要技術(shù)之一，該技術(shù)能夠探索數(shù)據(jù)中的潛在結(jié)構(gòu)，自動(dòng)對(duì)數(shù)據(jù)進(jìn)行劃分，因而在學(xué)術(shù)界和工業(yè)界有著廣泛的應(yīng)用。但現(xiàn)有的多數(shù)聚類算法只能處理數(shù)值型或分類型數(shù)據(jù)，而現(xiàn)實(shí)世界中的數(shù)據(jù)集大多兼有數(shù)值型屬性和分類型屬性。這兩種屬性的取值差異較大，傳統(tǒng)的聚類算法無(wú)法有效地處理。因而針對(duì)混合屬性數(shù)據(jù)聚類算法的研究一直是聚類分析領(lǐng)域中的研究熱點(diǎn)之一。本文研究了針對(duì)混合屬性數(shù)據(jù)的劃分式聚類算法，在傳統(tǒng)聚類算法的基礎(chǔ)上提出了兩個(gè)新算法。

2、r>　　在模糊K-prototypes算法的基礎(chǔ)上提出了一個(gè)屬性加權(quán)的模糊K-prototypes聚類算法AWFKP(Attributes Weighted Fuzzy K-prototypes)。算法結(jié)合了模糊隸屬度、模糊質(zhì)心和屬性加權(quán)的思想:首先將模糊質(zhì)心的思想運(yùn)用于模糊K-prototypes算法的分類型屬性簇中心表示，從而使簇中心能夠更全面地代表簇信息;其次，考慮到不同屬性對(duì)相異性度量的貢獻(xiàn)不同，基于屬性共現(xiàn)率的思想，設(shè)計(jì)了新的

3、屬性加權(quán)的相異性度量方法并給出了新算法;最后在UCI標(biāo)準(zhǔn)數(shù)據(jù)集上對(duì)算法進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明算法聚類結(jié)果對(duì)應(yīng)的劃分相似度更高，對(duì)數(shù)據(jù)的處理結(jié)果更接近數(shù)據(jù)的真實(shí)劃分。
　　提出了基于遺傳算法的K-prototypes聚類算法GAKP(Genetic Algorithm basedK-prototypes)。針對(duì)K-prototypes算法對(duì)初始簇中心敏感的問(wèn)題，將K-prototypes應(yīng)用到遺傳算法的框架中，使得新算法具有對(duì)簇原

4、型的全局搜索能力。算法設(shè)計(jì)了基于劃分相似度的適應(yīng)度函數(shù);采用隨機(jī)生成法和隨機(jī)選擇法初始化種群，利用旋輪法選擇待交叉的個(gè)體，使用精英策略保留個(gè)體至下一代;針對(duì)個(gè)體的數(shù)值型染色體和分類型染色體分別用模擬二進(jìn)制交叉和單點(diǎn)交叉進(jìn)行交叉操作;利用多項(xiàng)式變異和等概率變異分別對(duì)個(gè)體的數(shù)值型染色體和分類型染色體進(jìn)行變異操作。在UCI標(biāo)準(zhǔn)數(shù)據(jù)集上對(duì)算法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明算法改善了K-prototypes對(duì)初始簇中心敏感這一缺點(diǎn)，并且能夠取得更接近數(shù)