基于近鄰的聚類算法研究.pdf

1、聚類作為一種無監(jiān)督學習方法已廣泛的應用于模式識別、人工智能、數(shù)據(jù)挖掘、圖像處理、生物醫(yī)學等學科。簡單來說，聚類就是依據(jù)某種準則將樣本點劃分為不同的類別，使同一類的樣本點彼此相似而不同類的樣本點彼此相異。至今，依據(jù)不同的準則已提出了眾多的聚類算法，雖然這些算法在一定程度上可以對數(shù)據(jù)進行劃分，但仍然存在一些問題。其中需預先確定類別中心、無法準確地發(fā)現(xiàn)不同分布形狀的數(shù)據(jù)集以及無法處理類邊緣重疊的數(shù)據(jù)集是聚類算法存在的主要問題。針對這些問題，本

2、論文利用數(shù)據(jù)集中樣本和其近鄰的關系，對基于近鄰的聚類算法展開了研究，主要研究成果如下:
　　(1)通過對數(shù)據(jù)集中樣本與其近鄰間關系的研究，提出了一種基于最遠鄰相異性而最近鄰一致性準則的最遠最近得分評價指標。并以此指標為基礎，提出了基于最遠最近得分指標的聚類算法，實現(xiàn)了自動確定數(shù)據(jù)集類別中心和類別數(shù)的聚類過程。仿真實驗驗證了所提算法的有效性以及可行性。同時，將該算法應用于圖像分割問題，其結果充分證明了該算法在圖像自動分割問題中的實效

3、性。
　　(2)為了克服已有聚類算法處理不同分布、類別邊緣重疊等方面呈現(xiàn)的較差的性能，提出了一種基于連通區(qū)域生成的聚類算法，該算法是一種基于樣本與其近鄰間連通關系的聚類算法。在該算法中，首先提出了一種區(qū)域生成算法(CRG)獲得連通區(qū)域及離散點集，不同的連通區(qū)域則對應于不同的類別。然后，依據(jù)區(qū)域擴張方法和一致性準則來將剩余的離散點進行歸類，得到最終的聚類結果。實驗結果充分證明了所提算法的有效性和可行性。
　　(3)基于樣本的近