基于近鄰的聚類算法研究.pdf

1、聚類作為一種無監(jiān)督學(xué)習(xí)方法已廣泛的應(yīng)用于模式識別、人工智能、數(shù)據(jù)挖掘、圖像處理、生物醫(yī)學(xué)等學(xué)科。簡單來說，聚類就是依據(jù)某種準(zhǔn)則將樣本點(diǎn)劃分為不同的類別，使同一類的樣本點(diǎn)彼此相似而不同類的樣本點(diǎn)彼此相異。至今，依據(jù)不同的準(zhǔn)則已提出了眾多的聚類算法，雖然這些算法在一定程度上可以對數(shù)據(jù)進(jìn)行劃分，但仍然存在一些問題。其中需預(yù)先確定類別中心、無法準(zhǔn)確地發(fā)現(xiàn)不同分布形狀的數(shù)據(jù)集以及無法處理類邊緣重疊的數(shù)據(jù)集是聚類算法存在的主要問題。針對這些問題，本

2、論文利用數(shù)據(jù)集中樣本和其近鄰的關(guān)系，對基于近鄰的聚類算法展開了研究，主要研究成果如下:
　　(1)通過對數(shù)據(jù)集中樣本與其近鄰間關(guān)系的研究，提出了一種基于最遠(yuǎn)鄰相異性而最近鄰一致性準(zhǔn)則的最遠(yuǎn)最近得分評價(jià)指標(biāo)。并以此指標(biāo)為基礎(chǔ)，提出了基于最遠(yuǎn)最近得分指標(biāo)的聚類算法，實(shí)現(xiàn)了自動確定數(shù)據(jù)集類別中心和類別數(shù)的聚類過程。仿真實(shí)驗(yàn)驗(yàn)證了所提算法的有效性以及可行性。同時(shí)，將該算法應(yīng)用于圖像分割問題，其結(jié)果充分證明了該算法在圖像自動分割問題中的實(shí)效

3、性。
　　(2)為了克服已有聚類算法處理不同分布、類別邊緣重疊等方面呈現(xiàn)的較差的性能，提出了一種基于連通區(qū)域生成的聚類算法，該算法是一種基于樣本與其近鄰間連通關(guān)系的聚類算法。在該算法中，首先提出了一種區(qū)域生成算法(CRG)獲得連通區(qū)域及離散點(diǎn)集，不同的連通區(qū)域則對應(yīng)于不同的類別。然后，依據(jù)區(qū)域擴(kuò)張方法和一致性準(zhǔn)則來將剩余的離散點(diǎn)進(jìn)行歸類，得到最終的聚類結(jié)果。實(shí)驗(yàn)結(jié)果充分證明了所提算法的有效性和可行性。
　　(3)基于樣本的近