基于層次聚類的數(shù)據(jù)分析.pdf

1、隨著計(jì)算機(jī)的快速發(fā)展，計(jì)算機(jī)技術(shù)已經(jīng)被用于電子商務(wù)、商業(yè)管理、科學(xué)研究、政府辦公等各個(gè)領(lǐng)域。特別是在Internet技術(shù)日趨成熟的今天，在互聯(lián)網(wǎng)上存在大量甚至海量的數(shù)據(jù)，人們?yōu)榱双@取對(duì)自己有用的信息和知識(shí)，就必須解決信息過量與知識(shí)貧乏兩者之間的矛盾，岡此誕生了一門新的學(xué)科——數(shù)據(jù)挖掘。數(shù)據(jù)挖掘作為一門新的學(xué)科，有其特有的步驟和方法。數(shù)據(jù)挖掘是面向應(yīng)用的，因此數(shù)據(jù)挖掘方法的優(yōu)劣主要取決于在實(shí)際應(yīng)用中的效果。數(shù)據(jù)挖掘的應(yīng)用非常廣泛，特別是經(jīng)

2、濟(jì)領(lǐng)域。數(shù)據(jù)挖掘已經(jīng)成為當(dāng)今社會(huì)研究的熱點(diǎn)。
　　 數(shù)據(jù)挖掘的基本方法包括分類、聚類、回歸分析、關(guān)聯(lián)規(guī)則、特征、變化和偏差分析。本文主要是基于數(shù)據(jù)挖掘的聚類算法的研究，首先闡述了當(dāng)前數(shù)據(jù)挖掘的現(xiàn)狀，并具體介紹數(shù)據(jù)挖掘的基本概念、基本方法和應(yīng)用領(lǐng)域。其次，介紹了聚類的幾種常見的聚類算法。再次指出了層次聚類算法與層次分析法的聯(lián)合應(yīng)用和一種基于云模型下的層次聚類并通過實(shí)驗(yàn)分析來驗(yàn)證。最后通過UCI數(shù)據(jù)進(jìn)行試驗(yàn)分析和對(duì)比，驗(yàn)證本文提出的

3、算法的有效性和可行性。本文的主要研究?jī)?nèi)容如下:
　　 (1)為了修改層次分析算法中不滿足一致性的判斷矩陣，提出了一種基于層次分析法(AHP)下特征根法(EM)的改進(jìn)。該算法是在盡力保留專家意見的同時(shí)，對(duì)不滿足一致性的判斷矩陣元素進(jìn)行適當(dāng)修改和補(bǔ)充。之后給出了層次聚類算法與層次分析法的聯(lián)合應(yīng)用，以彌補(bǔ)單獨(dú)應(yīng)用層次分析法所帶來的不足之處。
　　 (2)為了將層次聚類算法應(yīng)用到模糊集合理論中并且可以對(duì)大量的高維數(shù)據(jù)進(jìn)行屬性的分