

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、聚類分析是數據挖掘和機器學習領域中的研究熱點之一,其目的是根據物理或者抽象對象間的相似性將數據對象劃分成不同的類別,使同一個聚類形成的簇中的對象具有較高相似度,不同簇中的對象相似度較低。聚類技術在圖像分割、文本分析、空間數據知識挖掘以及其他諸多領域都有廣泛的應用前景。
聚類算法主要分為基于劃分的方法、基于層次的方法、基于密度的方法、基于模型的方法和基于網格的方法等等?;趧澐值姆椒ê唵斡行?,易于操作,但由于算法需要預先指定聚類
2、數目,極大地影響了原始數據聚簇的形態(tài)分布,同時算法還存在聚類結果對初始簇類中心選擇敏感、對噪聲適應性差、不能發(fā)現(xiàn)任意形狀的簇等缺點。基于密度的方法主要優(yōu)點是具有良好的可擴展性,可以發(fā)現(xiàn)任意形狀的簇,對噪聲數據不敏感,但是聚類結果嚴重依賴于用戶參數的合理選擇。
因此,本文結合數據場理論,利用數據場反映數據間多對一作用關系的優(yōu)勢,研究了基于數據場的聚類算法。主要工作內容包括以下三個方面:
(1)結合數據場理論,依照簇類中
3、心被具有較低勢值的鄰居點包圍,且與具有更高勢值的其它數據對象有相對較大的距離的規(guī)律,計算每個數據對象的勢值和距離值,作出勢值與距離的分布圖,并從中確定數據的聚類中心,不需要預先設置聚類中心的數量,同時能夠自動聚類中心的位置。等聚類中心確定后,將其余點按到最近鄰的更高勢值對象的最小距離進行劃分,只需要一次劃分就可以完成整個聚類過程,獲得最終結果。通過與K-means算法、DBSCAN算法和數據場聚類算法的性能比較,結果表明提出的算法具有較
4、好的聚類結果。
?。?)為了解決傳統(tǒng)聚類算法對混合屬性數據聚類時存在結果不穩(wěn)定、隨機性大、準確度不高等缺陷,對現(xiàn)有算法進行擴展,提出了基于數據場和屬性重要性的混合屬性數據聚類融合算法(DF_SPCA),根據獲取的數據對象信息,利用歐式距離計算數值屬性相似性,對于分類屬性,根據分類屬性間的共現(xiàn)概率,分析分類屬性的重要性,以此計算分類屬性間的距離,采用現(xiàn)有的數據場聚類算法對數值屬性和分類屬性分別獲得聚類成員,采用基于交集的融合策略獲
5、得最終的聚類結果。通過與K-prototypes算法、K-modes算法以及SBAC算法的性能比較,結果表明提出的算法具有較好的聚類結果。
?。?)為了探索DF_SPCA算法的實際應用能力,研究了如何利用DF_SPCA算法基于基站定位數據進行商圈分析。通過基站得到定位數據,將數據規(guī)約并變換成需要利于挖掘商圈信息的數據形式,主要分析基站覆蓋范圍的人流量及人均停留時間等重要特征,利用聚類算法對定位數據進行聚類分析,能夠識別出不同的商
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數據場的密度聚類算法研究.pdf
- 基于劃分的聚類算法研究.pdf
- 基于路徑的劃分聚類算法研究.pdf
- 基于劃分的聯(lián)機聚類算法研究.pdf
- 基于劃分的混合屬性聚類算法研究.pdf
- 基于劃分和密度的聚類算法研究.pdf
- 基于劃分聚類算法的研究及其應用.pdf
- 基于劃分方法的大規(guī)模數據高效聚類算法的研究.pdf
- 劃分聚類與基于密度聚類算法的改進方法研究.pdf
- 基于劃分的聚類算法研究與應用.pdf
- 基于圖劃分的圖像聚類算法研究.pdf
- 基于劃分聚類的特征基因選擇算法研究.pdf
- 面向混合數據的劃分式聚類算法研究.pdf
- 基于模糊聚類的社團劃分算法研究.pdf
- 基于網格劃分的非球形聚類算法研究.pdf
- 基于數據場的聚類方法研究.pdf
- 數據流中基于區(qū)間劃分的高維聚類算法研究.pdf
- 基于數據場聚類的模糊神經網絡算法的研究.pdf
- 基于時空劃分的數據流聚類研究.pdf
- 復雜網絡中基于數據場的自適應聚類算法研究.pdf
評論
0/150
提交評論