多維數(shù)據(jù)集最佳聚類數(shù)確定算法的研究.pdf

1、學(xué)科專業(yè)：計算機軟件與理論研究生：李紅巖指導(dǎo)教師：周紅芳副教授摘要簽名：簽名：在科技日益進步的今天，數(shù)據(jù)量急劇增長。如果能夠充分利用這些數(shù)據(jù)所隱含的信息，將會產(chǎn)生巨大的經(jīng)濟效益。由于聚類分析技術(shù)具有能夠處理龐大數(shù)據(jù)信息的功能，所以它在數(shù)據(jù)挖掘領(lǐng)域中成為了最重要的研究課題之一。目前，它被廣泛的應(yīng)用在資料自動分類、生物信息學(xué)和信息過濾等領(lǐng)域。特別是物聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用以及其他相關(guān)技術(shù)的發(fā)展，使得所產(chǎn)生的大部分?jǐn)?shù)據(jù)都具有較多的數(shù)據(jù)維度，譬如，

2、各種類型的文檔數(shù)據(jù)、多媒體圖像數(shù)據(jù)和基因表達數(shù)據(jù)等數(shù)據(jù)所具有的維度可以達到幾十維，甚至上千維。由于這些多維數(shù)據(jù)集的存在具有普遍性，所以對多維數(shù)據(jù)集進行聚類分析的意義變得越來越重要。在聚類分析過程中，數(shù)據(jù)維度較低的數(shù)據(jù)對象之間相似度度量方法通常是基于傳統(tǒng)距離方法進行的，而在多維數(shù)據(jù)集中，由于這些數(shù)據(jù)集中的數(shù)據(jù)對象分布具有內(nèi)在稀疏性，使得傳統(tǒng)基于距離的計算方法的有效性大大降低。由于受到“維度效應(yīng)“的影響，許多在處理低維數(shù)據(jù)上表現(xiàn)較好的聚類分

3、析算法，而在對多維數(shù)據(jù)進行分析時，卻無法得到比較理想的效果，甚至得到錯誤的聚類結(jié)果。本文主要從多維數(shù)據(jù)集的最佳聚類數(shù)確定問題進行研究，首先對傳統(tǒng)的獲得數(shù)據(jù)集的最佳聚類數(shù)的方法進行相關(guān)分析，繼而提出新的確定多維數(shù)據(jù)集最佳聚類數(shù)的算法以及新的有效性指標(biāo)。本文主要的工作如下。首先對比較經(jīng)典的數(shù)據(jù)集的最佳聚類數(shù)確定算法進行分析，并在該算法的基礎(chǔ)上，提出一個基于kmeans聚類算法的最佳聚類數(shù)的確定算法Opmeans算法。再者，根據(jù)數(shù)據(jù)集的幾何結(jié)