基于密度和網(wǎng)格的聚類分析在數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、聚類(Clustering)是數(shù)據(jù)挖掘中的重要的研究課題之一。聚類分析是研究多要素事物分類問題的數(shù)量方法。其基本原理是根據(jù)樣本的屬性，用數(shù)學(xué)方法按照某些相似性或差異性指標(biāo)，定量的確定樣本之間的親疏關(guān)系，并按這種親疏關(guān)系程度對樣本進(jìn)行聚類。 本課題所要研究的基于網(wǎng)格和密度的算法不同于k-means、k-medoids等比較經(jīng)典的基于“距離”的算法。它采取一種新的思路，具有發(fā)現(xiàn)嵌入在高維數(shù)據(jù)子空間中聚類的能力、數(shù)據(jù)超過內(nèi)存容量的擴(kuò)展

2、性、對聚類的說明是以最容易理解的DNF形式給出的，易于用戶理解、對數(shù)據(jù)不作假設(shè)以符合某種典型分布及對數(shù)據(jù)的輸入順序無關(guān)。根據(jù)試驗(yàn)，基于網(wǎng)格和密度的算法可以更好的在高維數(shù)據(jù)集中自動發(fā)現(xiàn)包含有趣知識的子空間并在其中發(fā)現(xiàn)精確的聚類。 這種基于密度和網(wǎng)格的聚類方法同其它的聚類方法一樣，被廣泛的應(yīng)用于醫(yī)學(xué)，通信，保險等許多領(lǐng)域，本課題將這種聚類方法應(yīng)用到通信行業(yè)中電話公司的客戶分類領(lǐng)域，用它來分析公司客戶的信息，將客戶進(jìn)行聚類，從而將客戶

3、分為不同的客戶群，根據(jù)其特點(diǎn)采取措施，更好的鞏固老客戶，發(fā)展新客戶，從而期待進(jìn)一步提高企業(yè)利潤。 同時本課題還在數(shù)據(jù)預(yù)處理和算法實(shí)現(xiàn)上對已有的實(shí)現(xiàn)方式進(jìn)行了一些改動，從而簡化了已有算法的實(shí)現(xiàn)過程，提高了算法的可理解性，以期待提高算法的可用性和運(yùn)行效率。 此外，本文還將該聚類算法的聚類效果和聚類特點(diǎn)與研究已經(jīng)比較成熟的k-means聚類算法進(jìn)行了比較，進(jìn)一步突出基于網(wǎng)格和密度的聚類算法在對高維大數(shù)據(jù)量數(shù)據(jù)集進(jìn)行聚類時在效率