基于高維數(shù)據(jù)聚類分析方法的有效性研究.pdf

1、在機器學習中的聚類技術(shù)被人們看作是非常有研究價值的內(nèi)容，在金融中的詐騙、醫(yī)療中的診斷、圖像中的研究、信息中的搜索以及生物中的信息學等很多方面都受到了關(guān)注和研究?，F(xiàn)如今，針對聚類技術(shù)的有關(guān)的算法被給出和實踐應用。隨著科技的進步，數(shù)據(jù)也隨之越來越多，同時也呈現(xiàn)出了復雜的結(jié)構(gòu)特性，比如多維性、不均勻性、冗余性等等多種結(jié)構(gòu)。由于數(shù)據(jù)的形式影響著聚類的效果，故隨著數(shù)據(jù)的不同特性的出現(xiàn)，隨之也就出現(xiàn)了很多的聚類算法，但是沒有萬能的聚類算法。所以針對

2、當今數(shù)據(jù)的特性尋求有效的聚類算法是一個必要的研究的內(nèi)容。
　　本文研究的是多類型結(jié)構(gòu)的數(shù)據(jù)，探求出有效的聚類算法。本文的主要研究主要內(nèi)容是：
　　1、針對分類型數(shù)據(jù)的特點提出了一種新的屬性加權(quán)聚類算法，并將其應用于聚類過程中形成新的聚類優(yōu)化問題。
　　2、提出一種面向高維數(shù)據(jù)的屬性雙加權(quán)優(yōu)化聚類算法，通過標準化的形式得出算法中的矩陣的劃分、類的中心集以及屬性的權(quán)值在實現(xiàn)的過程中的規(guī)則，進而實現(xiàn)了最優(yōu)解的獲得。證明了該算