相異度量的k-modes聚類算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘的重要研究內(nèi)容，通過聚類，將繁瑣大量的數(shù)據(jù)集有效的劃分成為一系列的子類，使得同一子類中的對象彼此相似，而不同子類中的對象盡量相異性高。在眾多的聚類方法中，基于劃分的聚類算法是最常見的聚類方法，特別是經(jīng)典的k-means算法被廣泛應(yīng)用于工業(yè)和科學(xué)的各個領(lǐng)域。k-means算法對于處理數(shù)值型數(shù)據(jù)有好的聚類效果，但是不能處理常見的字符型數(shù)據(jù)。因此，對于字符型數(shù)據(jù)聚類算法的探索和改進(jìn)，是聚類分析領(lǐng)域重要的課題之一。
　　

2、 針對k-means算法無法處理字符型數(shù)據(jù)這一問題，k-modes聚類算法對其進(jìn)行了擴(kuò)展。本文對字符型數(shù)據(jù)處理的聚類問題進(jìn)行了研究，并對各種改進(jìn)的k-modes算法進(jìn)行了對比和分析。然而，傳統(tǒng)k-modes聚類算法中相異度量方法不能反映對象間的潛在的相似關(guān)系，特別是當(dāng)數(shù)據(jù)量很大或數(shù)據(jù)集很復(fù)雜時，不能更好的區(qū)分樣本間的差異。本文針對以上問題，對相異度量方法進(jìn)行了改進(jìn)，使其能更好的強(qiáng)化類間的相異性。最后，在傳統(tǒng)k-modes聚類算法的基礎(chǔ)

3、上提出了一種改進(jìn)的k-modes聚類方法。
　　 論文主要工作有以下幾個方面：
　　 (1)對研究內(nèi)容的背景知識和基于劃分的聚類方法研究現(xiàn)狀進(jìn)行了闡述。
　　 (2)介紹了傳統(tǒng)聚類分析方法的分類情況，并對聚類分析中的數(shù)據(jù)結(jié)構(gòu)、相異度度量以及聚類準(zhǔn)則函數(shù)進(jìn)行了描述。
　　 (3)對傳統(tǒng)k-modes算法的思想以及算法過程進(jìn)行了詳細(xì)的闡述，并對其優(yōu)缺點(diǎn)進(jìn)行了分析。
　　 (4)針對原有相異度量不能反映

4、類內(nèi)部的相似性，本文定義了一個屬性值函數(shù)，該函數(shù)描述了屬性值對于該屬性的重要性以及類中心對于某一屬性的代表程度，量化了對象與屬性的內(nèi)在關(guān)系。并基于此提出了本文的相異度量方法，此方法反映出不同對象在相同屬性值下的相異程度，強(qiáng)化了類內(nèi)的相似性。
　　 (5)結(jié)合改進(jìn)的相異度度量方法，提出了一種改進(jìn)的k-modes聚類算法。通過實驗對提出的新方法進(jìn)行驗證，實驗結(jié)果表明，與傳統(tǒng)的k-modes聚類方法和Ng提出的k-modes聚類算法相