聚类算法及基于簇模式聚类集成研究.pdf

学位论文作者签名:泵嘶面独创性声明学位论文版权使用授权书学位论文作者签名:和砰哦本学位论文作者完全了解宝镛建大学有关保留、使用学位论文的规定,年滤借阅。本人授权星袅休б越宦畚牡娜ú炕虿糠帜谌荼嗳胗泄厥菘饨签字日期:动,/加,甓嘣骆萑签字日期:厶『暌自伦ㄈ本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得或其他教育机构的学位或证书而使用过的材科。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签字日期:有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫褂帽臼谌ㄊ学位论文作者毕业去向:工作单位:通讯地址:导师签名:邮编:电话:日
摘要计算机技术的普及使得各行各业积累了大量的数据信息,人工处理这些大规模的数据已变得不现实。因此,数据挖掘技术应运而生了。在数据挖掘领域中聚类技术是其中的一个热点,聚类是以某种相似性度量方法对数据集中的对象进行度量,依据某种聚类策略把相似性大的对象划分到同一簇中,把相似性小的对象划分到不同的簇中,从而使同一个簇中对象的相似性最大,不同簇间对象相似性最小。不同的单一聚类算法都有一定的适应范围和适应于不同分布的数据集结构。有些聚类算法在数据量较小时表现出较好的性能,但是无法胜任在大规模数据集上聚类;有些聚类算法比较倾向发现均匀分布的凸状簇;有些聚类算法要求数据集的数据分布要比较紧凑;有些聚类算法对离群点比较敏感。单个聚类算法都有一定的局限性,而对多个聚类算法进行融合可以解决上述问题。对多个聚类算法进行融合能够提高系统的泛化能力和稳定性,而且对有差异的聚类算法进行集成还能提高聚类的准确率。本文对聚类技术和聚类集成技术进行了研究。简单介绍了聚类算法的种类及其代表算法。简述了聚类过程中的主要步骤,聚类分析中常见的数据类型及各种类型数据对象的相似性度量方法。对层次聚类算法进行了较深入的研究,并提出了一种基于代表点的改进的快速聚类算法8盟惴ㄊ且恢帜坌筒愦聚类算法,在簇的合并过程中,选用一定数量的代表点代表一个簇,从而能识别非凸状不规则的簇;根据嬖虻奶匦裕至礁鼋锥瓮瓿删劾嗖僮鳎传统的聚类算法相比降低了算法的时间复杂度。介绍了聚类集成的研究热点,如何生成有差异的聚类集体和基于互信息的聚类集体差异性度量方法;介绍了常见的共识函数的设计方法。本文中给出了由多个聚类结果所组成的簇模式的概念,并提出了两种基于簇模式的聚类集成共识函数设计方法和狹,并用序设计语言对这两个算法进行了实现,在菁械腎腿斯つ—狹
‘。。。。。。。。。。。卜拟的聚类结果数据集上进行了实验,均取得了不错的聚类集成结果。关键词:聚类分析,层次聚类,簇模式,聚类集成聚类算法及基于簇模式聚类集成研究Ⅱ
删骯骽蚽舀砌蕋蒭,’,蚽蚽緄蒯甜衄觚鑟餹琽簍铆璭∞伊籈巧蟚耫印韇齞吼В甒〆蛅蹦筩鲥ǔ鷌鋈齪—蚽西騣∞印鴓∞俊瑆%吣倦鷖辝朗锄辞鷏〖萒血喀胐打觚,,唱鬰丘瓵鮡’骼吼誩鷌行萌%,;誩籹緄篵瓹哆籛痵∞Ⅱ丘嬲.;琧.’.琽
咖゛锄卅鷊甌篶粕河琱В甤蟭鷅,蚽鷈锄啪枷吼鸪鷐戚甜,蕇啪纳Ⅵ:,。餹〕鷗Ⅵ劬趴秎“.甜鐼Ⅱ鰊甌璷璷柳╱琧甑嬲璐瑃、,篒╡誩誩,耹Ⅳ聚类算法及基于簇模式聚类集成研究.
目录第滦髀邸研究背景与意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第戮劾喾治觥聚类分析概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯聚类分析的相关知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.聚类集成概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。聚类集体的生成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯共识函数设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第乱恢指慕牟愦尉劾嗨惴ā层次聚类介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.愦尉劾喔攀觥一种基于代表点的层次聚类改进算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯