基于網(wǎng)格和最近鄰居的聚類算法的研究.pdf

1、近年來(lái)，數(shù)據(jù)挖掘逐漸成為研究的熱點(diǎn)。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)知識(shí)，源于諸如數(shù)據(jù)庫(kù)系統(tǒng)、數(shù)據(jù)倉(cāng)庫(kù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化、信息檢索和高性能計(jì)算。獲取的信息和知識(shí)可以廣泛用于各種應(yīng)用，包括商務(wù)管理、生產(chǎn)控制、市場(chǎng)分析、工程設(shè)計(jì)和科學(xué)探索等。 聚類就是將數(shù)據(jù)對(duì)象分組成為多個(gè)類或簇，在同一個(gè)簇中的對(duì)象之間具有較高的相似度，而不同簇中的對(duì)象差別較大。聚類是數(shù)據(jù)挖掘的一個(gè)活躍的研究領(lǐng)域，對(duì)聚類的研究與實(shí)現(xiàn)具有重要的理論與實(shí)踐意義。

2、 本文研究數(shù)據(jù)挖掘中的聚類算法。針對(duì)現(xiàn)有的聚類算法中存在的問(wèn)題，提出了幾個(gè)新穎的算法。本文的主要貢獻(xiàn)和創(chuàng)新工作包括： 1)為提高密度聚類算法效率并處理非空間屬性約束，提出了基于網(wǎng)格和密度的聚類算法(GDBS)。GDBS具有密度算法的優(yōu)點(diǎn)，也就是能發(fā)現(xiàn)各種形狀的聚類并能屏蔽噪聲點(diǎn)，而且執(zhí)行效率還明顯優(yōu)于密度算法。 2)研究了CHAMELEON算法，剖析了在類間密度相差不是特別大時(shí)，該算法不能作出正確聚類的原因。通過(guò)實(shí)

3、驗(yàn)發(fā)現(xiàn)嚴(yán)格k-最臨近集(SKNN<'k>)比一般的k-最臨近集(KNN<'k>)更能反映數(shù)據(jù)集密度的變化。 3)引入SKNN<'k>和LIN<'k>，用新的SIM(A，B)作為相似度指標(biāo)代替RI(A，B)，對(duì)CHAMELEON作了一種改進(jìn)。本算法可以很好的區(qū)分不同密度、形狀和大小的類，并且抗噪能力較好。算法對(duì)參數(shù)的選擇也不是很敏感。 4)基于嚴(yán)格最近鄰和共享最近鄰的思想，提出一種新的相似度標(biāo)準(zhǔn)，并設(shè)計(jì)出一種新的SKNN聚