基于云模型和數(shù)據(jù)場(chǎng)的聚類(lèi)研究.pdf

1、近年來(lái)，隨著“互聯(lián)網(wǎng)+”在各行業(yè)不斷的普及和發(fā)展，大數(shù)據(jù)思維正逐漸影響著人們的思考方式，領(lǐng)導(dǎo)者們依據(jù)數(shù)據(jù)作決策已成為常態(tài)。然而當(dāng)前的大數(shù)據(jù)具有數(shù)據(jù)量大、類(lèi)型繁多、變化快、價(jià)值密度低等四大特征，要想從中提取有價(jià)值的信息，就需要進(jìn)行大數(shù)據(jù)分析，而大數(shù)據(jù)分析的核心任務(wù)是聚類(lèi)。聚類(lèi)是指根據(jù)數(shù)據(jù)自身的結(jié)構(gòu)信息，將其劃分成多個(gè)類(lèi)，使得每個(gè)類(lèi)內(nèi)部相似度較高，不同類(lèi)之間相似度較低。
　　經(jīng)典聚類(lèi)算法如k-means、DBSCAN、密度峰值DPC等

2、聚類(lèi)算法都存在著不足，或是對(duì)噪聲點(diǎn)敏感，或是需要用戶輸入?yún)?shù)。為了能克服上述算法各自的缺點(diǎn)同時(shí)又能繼承每種算法的優(yōu)點(diǎn)，本文在傳統(tǒng)聚類(lèi)算法的基礎(chǔ)上，通過(guò)引入云模型和數(shù)據(jù)場(chǎng)提出了一種新的自適應(yīng)聚類(lèi)算法。該算法能夠處理任意形狀分布的數(shù)據(jù)集，抗噪聲能力強(qiáng)，能夠處理高維數(shù)據(jù)，且整個(gè)聚類(lèi)過(guò)程不需要人為輸入?yún)?shù)。
　　本文的主要研究?jī)?nèi)容如下:
　　1、改進(jìn)數(shù)據(jù)場(chǎng)中勢(shì)函數(shù)計(jì)算公式，將3σ距離以外的勢(shì)值定義為零。改進(jìn)后的勢(shì)函數(shù)能準(zhǔn)確找出噪聲點(diǎn)

3、，且降低了算法的時(shí)間復(fù)雜度。
　　2、針對(duì)數(shù)據(jù)場(chǎng)中的參數(shù)σ，本文給出了兩種參數(shù)選取方法，并提出用黃金分割法計(jì)算最小熵，自動(dòng)獲得最佳參數(shù)σ。
　　3、根據(jù)本文算法中聚類(lèi)中心的性質(zhì)，提出了一種自動(dòng)檢測(cè)最佳聚類(lèi)中心的方法。
　　4、以改進(jìn)的數(shù)據(jù)場(chǎng)為基礎(chǔ)，提出了一種自適應(yīng)聚類(lèi)算法，整個(gè)聚類(lèi)過(guò)程無(wú)需人為干預(yù)，解決了經(jīng)典聚類(lèi)算法對(duì)人為輸入?yún)?shù)的依賴性。該算法通過(guò)計(jì)算每個(gè)對(duì)象的勢(shì)值，找出聚類(lèi)中心和噪聲點(diǎn)，然后將其他對(duì)象按勢(shì)值劃分到最