基于改進(jìn)的最小生成樹聚類算法研究.pdf

1、數(shù)據(jù)挖掘指的是從大量數(shù)據(jù)中提取隱含的、事先未知的、并且潛在有用的知識的技術(shù)，是目前國際上數(shù)據(jù)庫和信息決策領(lǐng)域最前沿的領(lǐng)域之一。聚類分析就是其中一個重要的研究方向，對它進(jìn)行深入研究在理論和應(yīng)用上都有重要價值。目前，很多學(xué)者都在嘗試用不同的方法來處理聚類問題。但是由于聚類問題屬于非監(jiān)督模式識別問題，現(xiàn)有的方法還存在不足，這就要求對現(xiàn)有聚類技術(shù)進(jìn)行改進(jìn)，提出新的聚類理論和方法以適應(yīng)新的應(yīng)用。 本文通過研究，借鑒傳統(tǒng)的最小生成樹(MST

2、)聚類算法的先進(jìn)思想，并分析該方法在聚類算法在時間復(fù)雜度和聚類效果上的不足，提出一種新的應(yīng)用于一般問題的改進(jìn)最小生成樹(IMST)的聚類算法，該算法首先通過對數(shù)據(jù)集、中間集的處理，使用一種新的方法構(gòu)造最小生成樹，提高了構(gòu)造生成樹的效率；然后，通過清除最長邊后，對初步劃分的生成樹用矩陣表示，以度最大的結(jié)點(diǎn)作為聚類中心，再根據(jù)中心點(diǎn)算法完成聚類，解決了以往最小生成樹算法無法解決的多個簇用短邊或長度相同的邊相連無法分類的問題，從而提高了聚類速