數(shù)據(jù)挖掘中聚類算法的研究與應(yīng)用.pdf

1、該文首先系統(tǒng)的介紹了數(shù)據(jù)挖掘的基本技術(shù),重點介紹了聚類分析的相關(guān)技術(shù).在深入分析客戶信息數(shù)據(jù)庫CID(Customer Information Database,CID)數(shù)據(jù)的基礎(chǔ)上,依據(jù)專家建議,確定該文的挖掘目標(biāo):對銀行客戶進(jìn)行聚類分析,在客戶中發(fā)現(xiàn)不同的客戶群,從而有助于金融政策的調(diào)整和制定.其次,針對CID數(shù)據(jù)庫中數(shù)據(jù)的特點以及該文的研究目標(biāo),該文采用屬性選擇、數(shù)據(jù)清理、屬性重構(gòu)、數(shù)據(jù)歸約和數(shù)據(jù)變換等方法對CID數(shù)據(jù)庫進(jìn)行處理.

2、數(shù)據(jù)預(yù)處理技術(shù)改進(jìn)了數(shù)據(jù)的質(zhì)量,提高了聚類分析過程的精度和性能.另外,該文著重對聚類算法進(jìn)行了研究.由于CID數(shù)據(jù)庫同時含有數(shù)值型數(shù)據(jù)和符號型數(shù)據(jù),該文選用K-Means算法及其變形作為主要方法,采用兩種策略對CID數(shù)據(jù)庫進(jìn)行聚類分析:一種是把符號類型的數(shù)據(jù)轉(zhuǎn)化為數(shù)值型數(shù)據(jù),用能處理數(shù)值型數(shù)據(jù)的K-Means算法進(jìn)行分析;另一種是直接利用可以處理混合屬性的K-Prototypes算法來進(jìn)行聚類分析.然后分別對這兩種方法的聚類結(jié)果進(jìn)行了分

3、析,并對這兩者的效率進(jìn)行了對比.直接K-Means算法其時間復(fù)雜性與對象數(shù)目和聚類數(shù)目成比例,當(dāng)對大型數(shù)據(jù)庫進(jìn)行分析時,其計算代價是相當(dāng)高的.針對其在處理大數(shù)據(jù)集時的不足,該文給出了基于k-d樹的K-Means聚類分析算法.該方法采用k-d樹作為主要的存儲結(jié)構(gòu),將數(shù)據(jù)信息存放在k-d樹中.實驗表明,其運行效率較直接K-Means算法有了明顯的提高,充分顯示出采用k-d樹作為存儲結(jié)構(gòu)的優(yōu)點.最后,該文總結(jié)了已有的研究工作,并對未來工作進(jìn)行