基于偽近鄰及區(qū)間距離的不完備數(shù)據(jù)聚類方法.pdf

1、對不完備數(shù)據(jù)的處理一直是數(shù)據(jù)分析和模式識別領(lǐng)域的重要研究內(nèi)容。在現(xiàn)實世界中，受噪聲、人為錯誤等主客觀因素的影響，獲取的數(shù)據(jù)常包含缺失值。數(shù)據(jù)的不完備性給聚類分析帶來了巨大挑戰(zhàn)，不完備數(shù)據(jù)難以直接使用常見的聚類算法進行聚類分析，對不完備數(shù)據(jù)不同的處理方法常常得到不同的聚類結(jié)果。如果處理不好，會給聚類結(jié)果帶來明顯的偏差甚至直接產(chǎn)生錯誤結(jié)果。因此，本文研究了基于偽近鄰及區(qū)間距離的不完備數(shù)據(jù)聚類算法，主要內(nèi)容包括:
　　(1)針對缺失屬性

2、值的不確定性，本文提出了基于偽近鄰區(qū)間的不完備數(shù)據(jù)模糊c均值聚類算法。首先根據(jù)偽相似度確定不完備樣本的偽近鄰樣本，利用偽近鄰樣本的屬性值信息，將不完備樣本的缺失屬性值描述為區(qū)間數(shù)，樣本的完備屬性值則描述為兩端數(shù)值相等的區(qū)間數(shù)，從而將不完備數(shù)據(jù)集轉(zhuǎn)化為區(qū)間型數(shù)據(jù)集，最后對區(qū)間數(shù)進行聚類。該算法使用偽相似度尋找不完備樣本的近鄰關(guān)系，同時考慮了樣本間的余弦相似度和樣本屬性值的完備性;另外，缺失屬性值的區(qū)間型描述充分考慮了不完備樣本的近鄰樣本屬

3、性值分布信息，相比數(shù)值型描述更能體現(xiàn)缺失屬性值的不確定性。
　　(2)為了計算不完備樣本到聚類中心的距離，本文利用三角不等式和偽相似度提出了一種描述不完備樣本到聚類中心之間大小的區(qū)間型距離，基于此給出了一種基于三角不等式的不完備數(shù)據(jù)模糊c均值聚類算法。首先所提距離的區(qū)間型描述一定程度上反映了缺失屬性值的不確定性;在區(qū)間型距離的計算過程中，三角不等式和偽相似度的使用充分考慮了不完備樣本近鄰樣本的分布信息，在一定程度上對區(qū)間的端點值進