文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 用于数据挖掘的聚类算法
侵权投诉

用于数据挖掘的聚类算法

658

电子与信息学报

第27卷

用于信号处理领域,对数字属性数据聚类并具有多分辨率,主要优点是:能处理高维空间数据,抗干扰性好,聚类效果

好,计算复杂度为优Ⅳ)。栅格分层结构使得HFD(Hausdorfr

分形维数)可作为聚类目标函数,Fc(FractalClustering)算法【371就是在此基础上设计的。该算法的优点:能发现不规则的类;渐进的处理方式适合于在线处理;复杂度为D(Ⅳ);缺点:处理效果与数据排序有关;与初始化有关;需要用户预设门限。

2.5对字符属性的聚类

在商情研究、网址分析等事务处理中常常需要对字符属性数据进行聚类。事务处理的基本单元是条款,通常以“点属性”的格式表示事务,每个事务都以稀疏矩阵的形式进行处理。两个事务之间的相似性表示为sim(五,正)=

I五n乏l/ku互I(王表示第f个事务)。字符属性聚类的特点

是维数高,处理对象是稀疏矩阵,任意两个事务中相同的元素少。因此,传统的基于相似性的聚类方法对字符属性聚类效果不好,必须采用对多种属性联合处理的聚类方法。ROcK(R0bust

clusteringusing

linKs)算法㈣是常用的对字符

属性聚类的算法,它采用了分层聚类的思想,在聚类时不断凝聚直到得到预定数目的类。如果两个点x,),的相似性sim(x,y)≥p(8是门限),则定义它们为邻接点。“两个点之间的连接”定义为lilll((x,y)=x,y两点间共同邻接点的个

数。算法的目标函数为E=窆lqI×∑Hnk@,哆二r:伸),J-l

。,蚱cJ

/I。,I

其中lc,|表示第,类中样本数目,,(8)表示代价函数。算法

复杂度为D(%虬+孵log(M)),其中M表示类中样本数目,

c。等于邻接点平均值和最大值的乘积。sNN(shared

Nearest

Neighbors)算法㈣将R0cK算法与基于密度的处理思想相结

合,稀疏化相似矩阵并对每个样本点仅保留七个最近邻接点,由此计算每个点的总连接强度。cAcTus(CAtegorical

clusTering

using

summaries)算法【40】基于对属性值联合处理

的思想在字符属性数据集中寻找超矩形。如果属性中有口,6两个值的样本点数目超过门限值a则该两个值矾6被定义为强连接。类似的定义推广到两个不同属性子空间彳,占的强连接,超矩形的强连接,属性间的强连接。cACTus用数据归纳生成所有强连接,然后生成强连接的最大超矩形以形成不同的类。

如果字符属性的字段是可变的,则情况更复杂,必须采用辅助分类的办法对数据进行多种预处理。在字段被聚类后,对事务的聚类则可以采用如下办法:事务丁被分类为字

万 

方数据段聚类中与丁共同属性最多的类q,即要使得l丁nql/lql

最

大

。

STIRR(Sieving

Through

IteratedRelational

Reinforcement)算法141’对d维字符属性的元组聚类,这是对事务属性的推广,它采用谱图分割的方法进行划分。2.6高维数据聚类

高维数据聚类比低维数据聚类更为复杂:因为属性种类太多,无论怎样定义样本问相似性都难以发现类的形成趋势;超过15维后,样本间的划分就不明显了,即样本到其最近邻接点与到其它点的差距不明显,所有基于邻接度进行分类的算法都不适用了。为此要进行属性选择,选择最重要的属性进行分析。如果经过属性选择后还是高维数据,则有以下几种解决办法:

(1)降低维数传统的降低维数方法有属性转换和域分解两种。属性转换是对现有属性的简单变换,比如对现有属性值的累积求和或者求其时间平均等。在多元统计中,PCA(PrincipalComponemsAnalysis)技术应用广泛但缺乏解释性。SVD(SjngularValueDecompoSition)技术主要用于信息修复或统计中减少维数。小波分析、低频调和Fourier分析都可以用于时间序列中以降低维数。域分解将数据集分成许多子集并采用简单的相似性测量,使得高维计算可以在一些小的子集中进行。这种操作虽然没有直接减少维数,但使得计算更简单。

(2)子空间聚类方法子空间聚类通过选择原始属性空间的相应子空间并在其中进行类的划分以实现对高维数据分类的目的。如果子空间的少量属性能很好地描述数据库,则聚类效果较好。CLIQUE算法是最常用的子空间聚类算法,具有以下特点:采用MDL(MinimumDescriptionLen舀h)准则选择合适的子空间;基于密度聚类:基于栅格结构聚类。首先定义子空间中的基本矩形单元并对子空间划分,密度超过门限的单元才保留。这样得到多维空间的单元,最大连接密度单元被定义为一个类。算法的结果是在不同子空间中各有一套分类。位于不同子空间的类之间可能有重叠,该划分也是在不同的子空间中对数据的描述。ENCLuS(ENtmpy-baLsedCLuStering)算法【421是在cLIQuE算法基础上发展的,但使用了不同的子空间选择准则。该准则是基于熵的比较,如果由属性4,…,以张成的子空间的熵H(4,…,以)<∞(门限值),则该子空间适合分类。0PTIG刚D算法【431采用多维栅格进行分裂迭代的数据分割。由于维数很高,通常意义上的概念(如均匀分布)就比较模糊了。算法利用超平面对不同密度范围的数据进行分类。

上一页第4页

你可能喜欢

  • 聚类算法应用
  • 高二化学有机
  • 数据挖掘研究
  • 数据挖掘应用
  • 远程教育平台

热门文档

相关文档

  • 一种有效的用于数据挖掘的动态概念聚类算法

    一种有效的用于数据挖掘的动态概念聚类算法_经济学_高等教育_教育专区。数据挖掘一种有效的用于数据挖掘的动态概念聚类算法郭建生, 赵奕, 施鹏飞 ( 上海交通大学 ...

  • 数据挖掘聚类算法研究

    数据挖掘中的聚类算法综述 4页 免费 用于数据挖掘的聚类算法 8页 免费 数据挖掘...综述 现代制造工程 2009 年第 3 期 数据挖掘聚类算法研究喻彪 ,骆雯 ,赖朝安...

  • 数据挖掘中的聚类算法综述

    ?10? 计算机应用研究 2007 年 数据挖掘中的聚类算法综述贺 , 吴玲达 , 蔡益朝...聚类算法 、 基于约束的聚类算法 、机 器学习中的聚类算法以及用于高维数据的...

  • 数据挖掘中聚类算法

    一 数据挖掘的聚类方法+行小帅n2 焦李成2【I J西师范大学物理与信息工稃学院...提出能发现任意形状簇的算法是很重要的。I 4)用于决定输入参数的领域知识最小...

  • 【论文】数据挖掘中聚类算法的研究

    数据挖掘中聚类算法的研究_专业资料。目前对聚类算法的研究越来越多,在数据挖掘领域,聚类面临着新的形势。总结了数据挖掘中主要的传统聚类算法,介绍了聚类方法的最新...

  • 数据挖掘中的聚类算法综述

    数据挖掘中的聚类算法综述_兵器/核科学_工程科技_专业资料。10 计算机应用研究 ...遗传算法 子空间聚类 用于高维数据的聚类算法 联合聚类 层次聚类算法 1 引言随着...

  • 数据挖掘聚类算法一览

    数据挖掘聚类算法一览聚类分析是数据挖掘中的一个很活跃的研究领域,并提出了许多...用于数据挖掘的聚类算法 8页 免费 数据挖掘中的聚类算法综... 4页 免费 EM聚类...

  • 数据挖掘中聚类算法比较研究

    的基本操作, 可以用于分类( 无监督) 、 聚合和分 割、 剖析、 数据缩减、 ...第5期 张红云, 等: 数据挖掘中聚类算法比较研究 ! 365 ! 类特征树来求聚类...

  • 数据挖掘中聚类分析算法研究

    26 2 M ar. 2005 数据挖掘中聚类分析算法研究赵法信 , 王国业摘 与评估 1...据挖掘的蓬勃发 展 数据挖掘中一个重要的组成部分, 主要用于在 潜在的数据中发...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email