基于圖論的符號型數(shù)據(jù)聚類算法研究.pdf

1、聚類是數(shù)據(jù)挖掘中重要的組成部分，是一種無監(jiān)督的學習。聚類算法是將一組分布未知的數(shù)據(jù)進行分類，盡可能地使得同一類中的數(shù)據(jù)具有相同的性質，而不同類的數(shù)據(jù)其性質各異。近年來，隨著人們對聚類技術的不斷研究，聚類分析在機器學習、數(shù)據(jù)挖掘等很多領域已經(jīng)成為人們進行數(shù)據(jù)分析和信息提取的研究熱點。針對數(shù)值型數(shù)據(jù)的聚類已經(jīng)進行了大量的研究，在實際應用中符號型數(shù)據(jù)仍然廣泛存在，并且數(shù)值型數(shù)據(jù)的聚類算法不能直接應用于符號性數(shù)據(jù)，因此，符號性數(shù)據(jù)的聚類算法成為

2、近年來的研究熱點。
　　本文利用圖的相關理論對符號型數(shù)據(jù)聚類算法進行了深入研究，主要研究成果如下:
　　(1)根據(jù)符號型數(shù)據(jù)的特征，結合圖論的相關概念，提出了一個把符號型數(shù)據(jù)轉化為無向圖的轉化模型，該模型有利于更好地研究符號型數(shù)據(jù)聚類算法，有一定實際價值。
　　(2)在轉換后的無向圖基礎上，通過圖聚類領域的相關理論，給出了字符型數(shù)據(jù)中不同屬性值之間相似性度量，并將該相似性度量應用于K-Modes算法，實驗結果表明，該相

3、似性度量優(yōu)于0-1相似性度量。
　　(3)設計并實現(xiàn)了一個基于符號型數(shù)據(jù)的聚類實驗系統(tǒng)。該系統(tǒng)基于B/S結構，Apache2.2.4+PHP5.2.9+Mysq(l)5.0技術開發(fā)而成，采用了最新的web2.0理念和技術。本系統(tǒng)具有穩(wěn)定性，交互性，可擴展性等特點，該系統(tǒng)的建立為符號型數(shù)據(jù)聚類研究提供了一個橫向比較平臺，具有一定的應用意義。
　　總之，本文以圖聚類理論為研究手段，以符號型數(shù)據(jù)聚類為研究目標，提出了一種新的符號型