基于信息熵的聚類個(gè)數(shù)確定方法研究.pdf

1、聚類分析作為一種無監(jiān)督學(xué)習(xí)方法，是數(shù)據(jù)?；约靶畔嚎s的一個(gè)基本工具，同時(shí)也是機(jī)器學(xué)習(xí)研究和數(shù)據(jù)挖掘應(yīng)用中的一個(gè)重要內(nèi)容。迄今，針對(duì)不同的應(yīng)用領(lǐng)域，研究者已經(jīng)提出了多種聚類算法，并在信息檢索、圖像處理、金融欺詐、醫(yī)療診斷和生物信息學(xué)等領(lǐng)域得到了廣泛的應(yīng)用。然而提出的算法大多需要在算法運(yùn)行前指定聚類個(gè)數(shù)，而在大部分實(shí)際應(yīng)用中，聚類個(gè)數(shù)是不可能事先知道的，而且也很難預(yù)先指定聚類個(gè)數(shù)。因此，確定聚類算法中的聚類個(gè)數(shù)在聚類分析中具有非常重要的意

2、義。
　　本文針對(duì)聚類分析中聚類個(gè)數(shù)確定問題進(jìn)行了較為深入的研究，主要內(nèi)容如下:
　　(1)針對(duì)分類型數(shù)據(jù)，運(yùn)用信息熵給出了類與類之間的相異性度量，結(jié)合劃分和層次聚類的思想，提出了一種分類型數(shù)據(jù)聚類個(gè)數(shù)的確定算法，并在UCI數(shù)據(jù)集上通過實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
　　(2)針對(duì)混合型數(shù)據(jù)，運(yùn)用信息熵把數(shù)值型數(shù)據(jù)和分類型數(shù)據(jù)中類與類之間的相似性度量有效地統(tǒng)一起來，通過擴(kuò)展分類效用函數(shù)給出了一個(gè)混合型數(shù)據(jù)聚類結(jié)果的有效性評(píng)

3、價(jià)指標(biāo)，提出了一種混合型數(shù)據(jù)的聚類個(gè)數(shù)確定算法，并在UCI數(shù)據(jù)集上通過實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
　　(3)基于B/S架構(gòu)技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)聚類分析數(shù)據(jù)挖掘系統(tǒng)。該系統(tǒng)的主要功能包括數(shù)據(jù)預(yù)處理、聚類個(gè)數(shù)確定、初始聚類中心選擇、聚類算法和聚類結(jié)果可視化和系統(tǒng)管理等。系統(tǒng)采用了組件式開發(fā)技術(shù)，提供了友好的圖形界面和開放的編程接口，保證了系統(tǒng)的通用性和可擴(kuò)展性。
　　本文的研究成果為分類型或混合型數(shù)據(jù)的聚類算法中類個(gè)數(shù)的選擇提