一種新的分層聚類算法研究.pdf

1、數(shù)據(jù)挖掘是近年研究比較熱門的信息技術(shù)之一，該技術(shù)廣泛應(yīng)用于各個行業(yè)。聚類分析是數(shù)據(jù)挖掘的一個重要部分。聚類算法都需要面對輸入?yún)?shù)的問題：K-means等劃分方法需要輸入聚類的數(shù)量；DBSCAN等密度算法需要輸入密度閥值參數(shù)。這些參數(shù)大多不容易獲取。 為解決參數(shù)問題，本文提出了一種新的分層聚類算法，該算法的思想是：首先利用單位距離對數(shù)據(jù)對象聚類，以產(chǎn)生數(shù)量比較多的原子聚類，再利用比較容易獲取的參數(shù)對這個聚類結(jié)果優(yōu)化，以取得最終的聚

2、類效果。本文還分析了用代表點(diǎn)描述聚類的幾種方法，提出了用邊界代表點(diǎn)描述聚類的算法，該算法可用于大量數(shù)據(jù)的聚類。 本文的工作如下： (1)提出單位距離的概念：對于空間的數(shù)據(jù)對象，在均勻分布的情況下，用對象之間的最短距離來聚類，聚類的結(jié)果是一個類，把這個平均分布情況下的對象之間的最短距離稱為單位距離。對數(shù)據(jù)對象用單位距離聚類可以得到初始的低層的聚類(原子聚類)。 (2)提出孤立點(diǎn)優(yōu)化的思想：聚類結(jié)果中的孤立點(diǎn)可以認(rèn)為

3、是數(shù)據(jù)對象中的非正常數(shù)據(jù)，現(xiàn)實(shí)世界中，對于每一類數(shù)據(jù)對象，假設(shè)非正常數(shù)據(jù)出現(xiàn)的概率是一致的，則可以根據(jù)數(shù)據(jù)量和非正常數(shù)據(jù)出現(xiàn)的概率來估算聚類結(jié)果中孤立點(diǎn)的數(shù)量，并利用該參數(shù)對聚類結(jié)果優(yōu)化。 (3)結(jié)合單位距離和孤立點(diǎn)優(yōu)化的思想提出基于單位距離的聚類算法，并對算法的實(shí)現(xiàn)步驟作了詳細(xì)分析，并且用實(shí)驗(yàn)來比較該算法與CHAMELON算法聚類的結(jié)果。 (4)給出把普通算法得到的聚類結(jié)果轉(zhuǎn)化到邊界代表點(diǎn)的方法并用實(shí)例說明該算法特點(diǎn)：