面向分類型集值數(shù)據(jù)的層次聚類算法研究.pdf

1、聚類作為一種無監(jiān)督的學習方式，是數(shù)據(jù)挖掘、模式識別領域的重要研究方向之一，對于探索和發(fā)現(xiàn)數(shù)據(jù)中潛在的自然分組結(jié)構(gòu)和感興趣的關系至關重要。目前，已有的聚類算法在算法效率和聚類質(zhì)量方面都獲得了良好的表現(xiàn)，并廣泛地應用在模式識別、數(shù)據(jù)挖掘、圖像處理、市場調(diào)研等領域。
　　然而，傳統(tǒng)的聚類算法的輸入大都是一對一的對象屬性矩陣，在實際應用中，每個屬性經(jīng)常有多個取值，例如，在作電影評價時，同一用戶對不同的電影有不同的評分；同一地區(qū)不同時刻下，

2、天氣的各項指標存在多個取值且有很大差異。新的數(shù)據(jù)表示模式的出現(xiàn)對原有的聚類算法和挖掘理論提出新的挑戰(zhàn)，因而發(fā)展適用于新的數(shù)據(jù)表示模式的聚類算法就非常有意義。
　　本文稱在一個屬性上有多個取值的對象為集值對象，并對面向集值數(shù)據(jù)的層次聚類算法做出深入研究，主要內(nèi)容包括：
　?。?）提出了面向集值數(shù)據(jù)的聚類相似性度量模型，運用層次聚類算法的思想，實現(xiàn)了面向集值數(shù)據(jù)的層次聚類算法，并通過實驗和可視化技術直觀驗證了聚類算法的有效性。<

3、br>　?。?）基于面向集值數(shù)據(jù)的層次聚類算法，提出了分類型集值數(shù)據(jù)的演化聚類分析算法，探索數(shù)據(jù)隨時間的發(fā)展變化規(guī)律，生成演化路徑圖，為事務的分析和預測提供理論支持，并在真實數(shù)據(jù)上驗證了該算法的有效性和實用性。
　?。?）利用MATLAB的GUI平臺，設計并實現(xiàn)了面向集值數(shù)據(jù)的層次聚類算法實驗系統(tǒng)，實現(xiàn)了人機交互的友好性。該系統(tǒng)的主要功能包括：數(shù)據(jù)的預處理、輸入聚類個數(shù)、集值數(shù)據(jù)的層次聚類算法、聚類結(jié)果的可視化、時間序列數(shù)據(jù)的聚類