基于減法聚類(lèi)的混合算法研究.pdf

1、由于數(shù)據(jù)庫(kù)技術(shù)的日趨完善帶來(lái)了劇增的數(shù)據(jù)量，各個(gè)行業(yè)已經(jīng)累計(jì)了相當(dāng)多的數(shù)據(jù)，在信息量過(guò)大的環(huán)境里，人們感到很難從大量的信息中找到對(duì)自己有用的知識(shí)和信息。如何在快速增長(zhǎng)的海量數(shù)據(jù)中挖掘出有用的信息是目前眾多學(xué)者的研究目標(biāo)，也是信息技術(shù)發(fā)展的必然要求。
　　聚類(lèi)分析作為數(shù)據(jù)挖掘技術(shù)中的一個(gè)重要分支，它既可以獨(dú)自處理數(shù)據(jù)，又可以結(jié)合其它算法一起使用，能有效地了解數(shù)據(jù)的分布情況，尋找隱藏在數(shù)據(jù)中的一些特征。本文針對(duì)某些聚類(lèi)算法存在的不足，

2、提出了結(jié)合減法聚類(lèi)方法來(lái)提高聚類(lèi)算法的性能，具體研究?jī)?nèi)容包括以下幾個(gè)方面：
　　(1)本文闡述了聚類(lèi)的基本知識(shí)及概念，聚類(lèi)分析的幾個(gè)研究方向，聚類(lèi)的相似性度量函數(shù)，以及評(píng)估聚類(lèi)算法質(zhì)量好壞的準(zhǔn)則函數(shù)，并研究了聚類(lèi)的分類(lèi)及其經(jīng)典算法的特點(diǎn)及步驟，對(duì)比分析了各類(lèi)聚類(lèi)算法的性能及各個(gè)算法的優(yōu)缺點(diǎn)和適用范圍。
　　(2)提出了混合減法聚類(lèi)的改進(jìn)型層次聚類(lèi)算法。首先采用減法聚類(lèi)得到一個(gè)初始聚類(lèi)代表點(diǎn)，然后利用最小生成樹(shù)(MST，Min

3、imum Spanning Tree)中的Kruskal算法尋找最優(yōu)路徑，按權(quán)值大小存儲(chǔ)類(lèi)中心間的距離，最后實(shí)現(xiàn)分層聚類(lèi)。通過(guò)對(duì) UCI數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)仿真對(duì)比，有效驗(yàn)證了所提算法的性能。實(shí)驗(yàn)結(jié)果表明，混合減法聚類(lèi)的改進(jìn)型層次聚類(lèi)算法比傳統(tǒng)的層次聚類(lèi)算法運(yùn)行速度快，且聚類(lèi)結(jié)果也比原算法要好。尤其在數(shù)據(jù)量越多時(shí)，所提的新算法在時(shí)間消耗方面的優(yōu)勢(shì)越突出。
　　(3)提出了混合減法聚類(lèi)的改進(jìn) AP聚類(lèi)的算法，利用減法聚類(lèi)算法，尋找密度值高