基于網(wǎng)格的聚類分析與可視化.pdf

1、數(shù)據(jù)可視化技術(shù)是在大型數(shù)據(jù)庫的應(yīng)用中提出的新的數(shù)據(jù)分析與處理技術(shù)，已成為數(shù)據(jù)挖掘領(lǐng)域研究的熱點。利用可視化技術(shù)能夠更清晰的觀察數(shù)據(jù)集的分布結(jié)構(gòu)，了解數(shù)據(jù)之間的相互關(guān)系，使用戶加深對數(shù)據(jù)含義的理解，加快獲取知識的速度。 聚類分析作為數(shù)據(jù)可視化的基礎(chǔ)，其目的是在無監(jiān)督情況下幫助人們更好的理解和觀察數(shù)據(jù)的自然分組或構(gòu)造，識別數(shù)據(jù)的內(nèi)在結(jié)構(gòu)。本文以聚類分析為基礎(chǔ)，對基于網(wǎng)格的聚類算法、聚類有效性指標(biāo)以及聚類結(jié)果可視化三個方面，做了研究和

2、分析。本文的主要貢獻(xiàn)如下： (1)為了克服現(xiàn)有基于網(wǎng)格聚類算法參數(shù)敏感的缺點，提出了一種新的可以自動確定參數(shù)的基于網(wǎng)格的聚類算法。引入頂點比對思想到密集格的合并過程中，降低了傳統(tǒng)的基于距離的合并方法的計算復(fù)雜度，并利用統(tǒng)計直方圖和不同連接強度下網(wǎng)格的連接圖形象化描述聚類結(jié)果。 (2)基于網(wǎng)格算法對數(shù)據(jù)壓縮的理論，提出了一種新的基于網(wǎng)格的OPTICS聚類算法，有效解決了OPTICS算法計算復(fù)雜度高、運算速度慢的問題。實驗分

3、析了算法處理各種數(shù)據(jù)集的有效性和魯棒性。 (3)提出了一種新的基于二階差分的聚類有效性指標(biāo)。應(yīng)用類內(nèi)離差的二階差分代替經(jīng)典聚類有效性指標(biāo)Gap統(tǒng)計中零分布的參考數(shù)據(jù)集，改進(jìn)了原來指標(biāo)的實現(xiàn)方式，提高了指標(biāo)的穩(wěn)定性，并能夠適應(yīng)多種分布的數(shù)據(jù)集。并且，由于不需要確定合適的零分布參考集，從而節(jié)省了運行時間。 (4)定義了一種新的基于網(wǎng)格算法的距離測度，來代替歐式距離(或其他距離)。利用新的距離測度計算兩個聚類間的不相似性指標(biāo)d